人机对话中的对话共振：用户如何感知和回应推荐聊天机器人的自我表露策略

DOI

使用聊天机器人进行推荐正变得越来越流行。推荐聊天机器人的设计主要采用以信息为中心的方法，侧重于推荐内容本身，很少关注社交连接和关系策略（如聊天机器人的自我表露）如何影响用户对推荐的感知和接受程度。在这项工作中，我们设计、实现并评估了一个能够执行三种不同自我表露水平的社交聊天机器人：事实信息（低）、认知观点（中）和情感（高）。在评估中，我们招募了372名参与者与聊天机器人讨论两个话题：电影和COVID-19体验。在每个话题中，聊天机器人进行闲聊并给出相关推荐。参与者被随机分配到四个实验条件，聊天机器人分别使用事实、认知、情感和自适应策略进行自我表露。通过训练一个文本分类器来实时识别用户的自我表露水平，自适应聊天机器人可以动态匹配其自我表露语言到用户展示的表露水平。我们的结果表明，当推荐聊天机器人在整个对话过程中展示情感时，用户会以更高水平的自我表露作为回报。聊天机器人使用情感表露增强了互动中的乐趣和对机器人的更好感知，这反过来带来了更高的推荐效果，包括更高的接受推荐的可能性。我们讨论了所获得的理解和对未来设计的启示。