From Text to Self: Users' Perceptions of Potential of AI on Interpersonal Communication and Self
作者: Yue Fu, Sami Foell, Xuhai Xu, Alexis Hiniker
分类: cs.HC, cs.AI, cs.CL
发布日期: 2023-10-06 (更新: 2024-03-10)
期刊: Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI 2024)
💡 一句话要点
探讨AI在跨人际沟通中的潜力与用户感知
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: AI中介沟通 用户感知 大型语言模型 人际沟通 沟通空间 正式关系 非正式关系 高风险沟通
📋 核心要点
- 现有的AI中介沟通工具在用户体验上存在冗长和不自然的回应等问题，影响了人际沟通的有效性。
- 本研究采用混合方法，通过日记和访谈的方式，深入探讨用户对AI工具在沟通中的短期支持和长期影响的看法。
- 研究结果表明，用户在正式关系中更倾向于使用AIMC工具，且在高风险沟通中感受到的益处更明显。
📝 摘要（中文）
在快速发展的AI中介沟通（AIMC）领域，基于大型语言模型（LLMs）的工具正逐渐成为人际沟通的重要组成部分。通过一周的日记和访谈研究，我们探讨了用户对这些工具在短期内支持人际沟通及其潜在长期影响的看法。研究发现，参与者对AIMC的支持持积极态度，认为其增强了沟通信心，帮助他们更准确地表达思想，并克服语言和文化障碍。然而，研究也揭示了AIMC工具的局限性，包括冗长、不自然的回应和过度的情感强度。此外，用户对技术的非真实性和过度依赖的担忧也加剧了这些问题。我们还识别了四个关键的沟通空间，这些空间由沟通风险（高或低）和关系动态（正式或非正式）划分，影响用户对AIMC工具的态度。
🔬 方法详解
问题定义：本研究旨在解决用户对AI中介沟通工具的感知及其在实际沟通中的有效性问题。现有工具存在冗长、不自然的回应等痛点，影响用户的沟通体验。
核心思路：通过一周的日记和访谈研究，深入了解用户在使用AIMC工具时的真实感受和潜在影响，探索其在不同沟通场景中的适用性。
技术框架：研究采用混合方法，结合定量的日记记录和定性的访谈分析，构建了用户对AIMC工具的全面理解。主要模块包括用户体验评估、沟通场景分类及用户态度分析。
关键创新：本研究的创新在于识别了不同沟通空间对用户态度的影响，特别是在正式与非正式关系及高低风险沟通中的差异，这为AIMC工具的优化提供了新的视角。
关键设计：研究中采用了定性访谈和定量日记记录相结合的方式，确保数据的全面性和深度，关注用户在使用过程中的具体反馈和情感变化。参与者的选择也考虑了不同背景和沟通需求，以增强研究的代表性。
📊 实验亮点
研究结果显示，参与者普遍对AIMC工具持积极态度，认为其在增强沟通信心和表达准确性方面具有显著优势。然而，用户对工具的非真实性和过度依赖的担忧也显著影响了他们的使用意愿，尤其是在非正式关系中。具体数据表明，工具在高风险沟通中的适用性更强，用户反馈的积极性明显高于低风险场景。
🎯 应用场景
该研究的发现为AI中介沟通工具的设计和优化提供了重要参考，尤其是在正式和高风险的沟通场景中。未来，这些工具可以在教育、心理咨询和跨文化交流等领域发挥更大作用，提升人际沟通的效率和质量。
📄 摘要（原文）
In the rapidly evolving landscape of AI-mediated communication (AIMC), tools powered by Large Language Models (LLMs) are becoming integral to interpersonal communication. Employing a mixed-methods approach, we conducted a one-week diary and interview study to explore users' perceptions of these tools' ability to: 1) support interpersonal communication in the short-term, and 2) lead to potential long-term effects. Our findings indicate that participants view AIMC support favorably, citing benefits such as increased communication confidence, and finding precise language to express their thoughts, navigating linguistic and cultural barriers. However, the study also uncovers current limitations of AIMC tools, including verbosity, unnatural responses, and excessive emotional intensity. These shortcomings are further exacerbated by user concerns about inauthenticity and potential overreliance on the technology. Furthermore, we identified four key communication spaces delineated by communication stakes (high or low) and relationship dynamics (formal or informal) that differentially predict users' attitudes toward AIMC tools. Specifically, participants found the tool is more suitable for communicating in formal relationships than informal ones and more beneficial in high-stakes than low-stakes communication.