论证对话中的自我强化过滤气泡模型

在信息搜索过程中，人们倾向于过滤掉所有不符合其现有信念或观点的信息。本文提出了一个由四个维度组成的"自我强化过滤气泡"（SFB）模型。由此，我们旨在1）估计用户陷入SFB的概率，进而2）识别适合在对话后续过程中降低这一概率的线索。通过在论证对话系统中进行示例实现，我们在有102名参与者在线用户研究中展示了该模型的有效性和适用性。这些发现作为开发打破用户SFB的系统策略的基础，并促进对主题从各个观点进行持续和深入反思。