研究聊天机器人的公开部署的人机交互方面:用户研究、设计建议和开放挑战
这项研究探讨了多聊天机器人通信对于在特定说服场景中促进慈善捐赠的影响,分析了质性和数量性反馈,并讨论了该研究的局限性。
Jun, 2024
中国参与者在社交媒体上将对话代理视为享乐,并认为基于语音和实体化的对话代理更温暖、更有能力,表达了积极的情绪。与此相反,美国参与者对对话代理的功能更为关注,态度矛盾。温暖的感知是两个国家积极情绪的关键驱动因素。针对不同用户喜好和需求,我们讨论了设计上具有情境敏感性和用户为中心的对话代理的实际意义。
Feb, 2024
本研究通过实证调查,评估讲述人机器体验交谈代理(HECAs)在移动游戏应用程序的可用性方面的影响。研究目的是评估多个代理和人性幻觉对交互质量的影响。实验调查了两种代理展示方式:高人类相似性(HECA)代理和低人类相似性(文本)代理,旨在评估高人类相似性代理如何唤起人性幻觉并影响可用性。实验结果显示,用户偏爱与 HECAs 互动,两种版本之间的差异在统计上具有显著差异(d = 1.01),许多参与者选用 HECA 版本的原因之一是该版本更具吸引力。本研究为 HECAs 对于严肃游戏的潜在影响提供了关键信息,可以为未来移动严肃游戏的设计提供洞察。
Sep, 2023
基于文本的聊天机器人在电子商务中带来了前所未有的商业潜力。本研究旨在探索消费者对文本聊天机器人的信任和反应,涉及任务复杂性和聊天机器人身份披露的调节效应。通过 299 个有效反应的调查方法进行了此研究。本研究采用普通最小二乘回归来测试假设。通过刺激 - 有机体 - 反应框架,本研究对消费者对文本聊天机器人的知觉和反应提供了重要的洞见。这项研究的发现也提出了增加消费者对文本聊天机器人积极反应的建议。
Jan, 2024
本研究探讨了开发认知机器人的架构研究挑战,提出了未来机器人设计和开发框架中需要考虑的替代性架构假设,针对虚拟数字平台上操作的软件机器人如何理解平台层面和表现出人类用户行为的问题。
May, 2023
该研究通过设计并评价了一种 AI 驱动的多任务聊天机器人,在计算机科学教育中提升学习体验、促进学生参与。研究采用设计研究方法,开发了一个新型学习环境,其中包括指导机器人、同伴机器人、职业规划机器人和情感支持机器人四个不同的聊天机器人角色,通过满足学生的能力、自主和关联性等三个内在心理需求,以探究为基础的学习模式鼓励学生提问、寻求解决方案和探索好奇心。研究通过在一个月内与 200 名参与学生进行高等教育环境测试,将结果与人类导师和单一聊天机器人条件进行对比。研究运用混合研究方法,包括聊天记录序列分析、调查和焦点小组访谈等定量和定性手段。通过整合先进的自然语言处理技术,如主题建模和情感分析,提供了对该系统对学习者参与度、动机和探究型学习的深入理解。该研究通过其严格的设计和创新的方法,为 AI 驱动的多任务聊天机器人在重塑计算机科学教育以及创建引人入胜、支持性和激励性学习环境的潜力提供了重要见解。
Aug, 2023
本研究论文重点探讨了聊天机器人技术环境的历史、困难和前景,并提供了一种非常灵活的聊天机器人系统,利用强化学习策略改善用户互动和对话体验,使用情感分析和自然语言处理技术确定用户情绪,并探讨了聊天机器人技术发展的复杂性及其对各个领域的深远影响。
Oct, 2023
该论文认为可以通过对用户的语言意识和与聊天机器人互动的期望进行分析,从而确定聊天机器人对话的目标人群,以支持公平访问。同时通过三种数据展示了如何使用口语管理等理论方法来支持受众设计。
Jun, 2022