通过聊天学习、探索与反思：理解基于LLM的投票建议应用聊天机器人的价值

DOI

投票建议应用（VAAs）在欧洲选举中日益突出，被视为提升选民政治知识和参与度的成功工具。然而，VAAs复杂的语言和僵化的呈现方式限制了其对缺乏经验的选民的效用。虽然先前的工作通过脚本化解释增强了VAAs的点击式交互，但对话聊天机器人实现定制化讨论和理性政治决策的潜力仍未被探索。我们的探索性混合方法研究调查了基于LLM的聊天机器人如何支持投票准备。我们在德国2024年欧洲议会选举前向331名用户部署了VAA聊天机器人，通过调查、对话日志和10次跟进访谈收集见解。参与者认为VAA聊天机器人直观且信息丰富，引用其简洁的语言和灵活的交互。我们进一步发现VAA聊天机器人作为反思和理性化催化剂的作用。基于参与者对透明度的期望，我们提供了构建交互式和可信VAA聊天机器人的设计建议。