通过交互视角探索用户参与度：文本线索告诉我们关于人机交互的什么信息

在 人机聊天机器人交互中监控和维持用户参与度具有挑战性。研究人员通常使用交互中观察到的线索作为指标来推断参与度。然而，对这些线索的评估仍然缺乏。在本研究中，我们从文献中收集了潜在文本参与线索的清单，包括语言特征、语句特征和交互特征。这些线索随后被用于注释291个用户-聊天机器人交互的数据集，我们检查了哪些线索可以预测用户自我报告的参与度。我们的结果表明，参与度确实可以在单个语句层面上被识别出来。值得注意的是，表明认知思维过程的词语和动机性语句是参与度的强有力指标。整体负面语气也可以预测参与度，这凸显了仔细解释和理解用户语句上下文的重要性。我们的发现证明了识别语句层面线索并使用它们来推断用户参与度的初步可行性，尽管需要在不同内容领域进一步验证。