通过解释性对话实现语音助手可问责性

随着语音助手（VAs）借助大语言模型（LLMs）和自然语言处理技术变得更加先进，其可问责行为的潜力也在扩大。然而，当语音助手犯错时，其解释的长期情境有效性仍不明确。在我们与19个家庭进行的19个月探索性研究中，我们调查了Alexa允许用户询问其行为原因这一功能的影响。我们的发现表明，Alexa的解释往往是单一的、去情境化的回复，导致用户在长期使用中采用替代修复策略（例如关闭设备），而不是开启关于问题所在的对话。通过角色扮演工作坊，我们证明语音助手交互应促进解释性对话作为一种动态交流，考虑一系列言语行为，识别用户的情绪状态和互动情境。我们最后讨论了这些发现对可问责语音助手设计的启示。