使用大语言模型改进基于文本的社区安全报告中的情感支持传递

情感支持是社区成员与警察调度员在事件报告期间沟通的关键方面。然而，人们对情感支持如何通过基于文本的系统传递缺乏了解，特别是在各种非紧急情况下。本研究分析了两年的聊天日志，包括来自130个高等教育机构的8,239起事件中的57,114条消息。实证发现表明，调度员提供的情感支持存在显著差异，受事件类型、服务时间的影响，并且多个组织的支持随时间明显下降。为提高情感支持的一致性和质量，我们开发并实施了一个名为dispatcherLLM的微调大语言模型，旨在通过模拟人类调度员的语言来提供适当的情感支持建议。我们评估了dispatcherLLM，并进行了人类评估。本研究不仅为基于文本的调度系统中的情感支持提供了新的实证理解，还展示了生成式人工智能在改善服务交付方面的显著潜力。