Appropriateness of LLM-equipped Robotic Well-being Coach Language in the Workplace: A Qualitative Evaluation
作者: Micol Spitale, Minja Axelsson, Hatice Gunes
分类: cs.HC, cs.RO
发布日期: 2024-01-26
💡 一句话要点
提出机器人心理健康教练语言适宜性评估以改善职场心理健康
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 心理健康 机器人教练 语言适宜性 人机交互 情感理解 定性研究
📋 核心要点
- 现有的机器人心理健康教练在语言适宜性方面存在不足，可能导致用户体验不佳。
- 论文通过实证研究，提出了机器人教练应如何使用适宜的语言来促进心理健康的核心思路。
- 研究结果显示，适宜的机器人教练语言能够更好地引导用户表达情感，提升心理健康支持的有效性。
📝 摘要（中文）
近年来，机器人教练在促进心理健康方面的应用受到关注，尤其是在职场和家庭环境中。随着大型语言模型（LLMs）的广泛使用，人机交互（HRI）研究者需要考虑生成语言的适宜性。本文首次探讨了职场中机器人心理健康教练的语言适宜性。通过对17名员工进行为期4周的实证研究，收集了他们与配备LLM能力的机器人教练互动后的反馈。研究发现，适宜的机器人教练语言应深入探讨受教者的情感，展现情感理解，并避免无依据的假设。这些结果为设计适宜的机器人教练语言提供了重要参考。
🔬 方法详解
问题定义：本文旨在解决机器人心理健康教练在职场中语言适宜性不足的问题。现有方法可能导致用户对机器人的信任度降低，从而影响心理健康支持的效果。
核心思路：论文的核心思路是通过实证研究，识别和评估适宜的机器人教练语言特征，以增强用户的情感交流和理解。设计时考虑了用户的情感需求和互动的深度。
技术框架：研究采用了定性研究方法，包含对17名员工的长期互动观察和后续访谈，重点分析其与机器人教练的语言互动。主要模块包括：用户互动、语言评估和反馈收集。
关键创新：最重要的技术创新在于首次系统性地评估机器人教练语言的适宜性，提出了具体的设计原则，与现有方法相比，更加注重情感深度和用户体验。
关键设计：研究中强调了机器人教练应提出深入的问题，展现情感共鸣，并避免无依据的假设。具体设计包括问题的开放性和情感表达的多样性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，适宜的机器人教练语言能够显著提升用户的情感表达和满意度。参与者普遍反馈，机器人教练在情感理解和互动深度方面的表现优于传统方法，具体提升幅度未明确给出，但用户体验的改善是显著的。
🎯 应用场景
该研究的潜在应用领域包括企业心理健康支持、教育心理辅导和家庭心理健康干预等。通过优化机器人教练的语言适宜性，可以提升用户的心理健康体验，促进更有效的情感交流，未来可能在心理健康领域产生深远影响。
📄 摘要（原文）
Robotic coaches have been recently investigated to promote mental well-being in various contexts such as workplaces and homes. With the widespread use of Large Language Models (LLMs), HRI researchers are called to consider language appropriateness when using such generated language for robotic mental well-being coaches in the real world. Therefore, this paper presents the first work that investigated the language appropriateness of robot mental well-being coach in the workplace. To this end, we conducted an empirical study that involved 17 employees who interacted over 4 weeks with a robotic mental well-being coach equipped with LLM-based capabilities. After the study, we individually interviewed them and we conducted a focus group of 1.5 hours with 11 of them. The focus group consisted of: i) an ice-breaking activity, ii) evaluation of robotic coach language appropriateness in various scenarios, and iii) listing shoulds and shouldn'ts for designing appropriate robotic coach language for mental well-being. From our qualitative evaluation, we found that a language-appropriate robotic coach should (1) ask deep questions which explore feelings of the coachees, rather than superficial questions, (2) express and show emotional and empathic understanding of the context, and (3) not make any assumptions without clarifying with follow-up questions to avoid bias and stereotyping. These results can inform the design of language-appropriate robotic coach to promote mental well-being in real-world contexts.