对话聊天机器人的关键品质——PEACE模型

文献标题

Key Qualities of Conversational Chatbots – the PEACE Model

文献信息

• 主题领域: 人机交互与自然语言处理，特别是开放领域聊天机器人设计的社会和情感属性
• 关键词: 聊天机器人、用户研究、技术采纳问卷、结构方程建模（SEM）、社会交互、模型验证、开放领域、语义主义、个性化
• 发表会议: 26th International Conference on Intelligent User Interfaces (IUI ’21)
• 作者: Ekaterina Svikhnushina, Pearl Pu
• 发表年份: 2021

研究背景与问题

• 发现的问题: 开放领域聊天机器人的设计和开发在如何满足用户期望方面存在重大挑战。现有研究往往关注功能层面，却缺少对社交能力的系统性研究。此外，对综合性指标的有效性与一致性缺乏验证。
• 研究的重要性: 社交属性能够提升聊天机器人的用户体验，并影响技术的采纳。然而，任务导向型聊天机器人由于缺乏社交能力，常遇到用户使用中的瓶颈。定义社交礼仪和情感能力的关键属性对未来开放领域和混合型聊天机器人的发展至关重要。
• 研究动机与相关工作:
  • 现有研究讨论了任务导向型和社交聊天机器人的某些特定品质，但大多是零散的探讨，未能整合成系统化模型。
  • 心理测量方法已经被用来研究消费者对其他类型技术的接受意图，但尚欠缺完整地研究聊天机器人的社交与情感属性。

解决方案

• 提出的解决方案: 本文提出并验证了PEACE模型作为开放领域聊天机器人的设计框架，其中包含4大核心要素：
  • Politeness（礼貌）: 遵循礼貌规范，避免冒犯用户。
  • Entertainment（娱乐性）: 提供多样化且有趣的互动体验。
  • Attentive Curiosity（关注性好奇心）: 积极倾听、记住历史对话，根据用户反馈调整对话风格。
  • Empathy（共情能力）: 识别用户情绪并提供恰当回应。
• 创新之处:
  • 整合用户社交需求的多维度属性，提出一个统一且验证的模型；
  • 通过结构方程建模（SEM）分析验证各构成要素之间的因果关系。
• 实施步骤与方法:
  1. 基于文献综述和用户研究提出模型。
  2. 设计并使用涵盖64道Likert量表问题的在线调查，数据来自536位参与者。
  3. 运用确认性因子分析（CFA）和结构方程建模（SEM）对模型进行验证，其中调查和完整性控制包括反向题目对照和不一致回答剔除。

研究成果

• 具体成果:
  1. 提出和明确了PEACE模型包括的4个关键社交属性，影响用户接受度。
  2. 确认这些社交属性预测了用户行为意图（如使用、推荐）。
  3. 结构方程模型表明：
     • 礼貌对其他两项社交属性（关注性好奇心和共情）具有间接影响。
     • 娱乐对用户采纳意图影响最显著。
     • 心理安全感会影响用户愿意分享的信息程度。
• 对比现有解决方案的优势:
  • 相较于分散研究，PEACE模型提供了整合性框架，且经过心理测量验证，具有用户驱动的实用性与可靠性。
  • 提供了具体的设计启示，使开发者能将社交能力轻松地产品化运用。
• 实验或评估结果:
  • 数据显示对聊天机器人的娱乐性和情感能力期望普遍较高。
  • R方系数显示多项路径模型显著，模型拟合指标优越。
• 局限性与未来方向:
  • 局限性包括：未能细化不同个性特质对用户行为的影响，美国样本的文化偏好可能异于其他地区。
  • 未来工作建议：开发PEACE模型能力的实际原型并评估；探讨个性化与文化背景的具体影响；补充更多定性访谈。