创建合作配对：聊天机器人对人类对话中接受度的评估

人类与相似个体互动的偏见助长了意识形态回音室的形成并削弱对他人的信任。然而，促进建设性讨论有可能抵消这些偏见并建立信任，即使未能达成共识。本研究通过开发一种评估促进信任的语言特征的算法，并研究基于此评估策略性配对个人的影响来探索这一潜力。遵循对话 grounding 理论，我们首先分析了我们的在线聊天系统上 123 次人际二元讨论（2809 条消息）的语言特征，并开发了一个分类器来识别使用促进信任的交流风格的个体。然后，我们进行了一项随机对照实验，530 名人类受试者组成 265 对，根据分类器对参与者先前与聊天机器人互动的评估来分配讨论伙伴。我们的结果表明，算法分配的配对比随机配对表现出更高的对对话伙伴的信任，无论观点相似与否。我们讨论了我们策略性配对方法对增强各种社会环境中协作和信任的启示。