[論文レビュー] ChaCha: Leveraging Large Language Models to Prompt Children to Share Their Emotions about Personal Events

Woosuk Seo, Chanmo Yang+1 more|arXiv (Cornell University)|Sep 21, 2023

Topic ModelingComputer Science被引用数 3

ひとこと要約

ChaChaは、大規模言語モデル（LLM）と状態遷移マシンを活用して、8〜12歳の子どもたちが自由な形式の感情的な対話の中で、個人の物語を共有し、関連する感情を表現できるように支援する子ども向けチャットボットです。ラボ研究において、子どもたちはChaChaを親しい友だちと感じ取り、多様な個人経験を共有しました。これは、LLMが発達段階に合った方法で子どもたちの感情表現を支援する可能性を示しています。

ABSTRACT

Children typically learn to identify and express emotions through sharing their stories and feelings with others, particularly their family. However, it is challenging for parents or siblings to have emotional communication with children since children are still developing their communication skills. We present ChaCha, a chatbot that encourages and guides children to share personal events and associated emotions. ChaCha combines a state machine and large language models (LLMs) to keep the dialogue on track while carrying on free-form conversations. Through an exploratory study with 20 children (aged 8-12), we examine how ChaCha prompts children to share personal events and guides them to describe associated emotions. Participants perceived ChaCha as a close friend and shared their stories on various topics, such as family trips and personal achievements. Based on the findings, we discuss opportunities for leveraging LLMs to design child-friendly chatbots to support children in sharing emotions.

研究の動機と目的

• 発達段階が未熟で会話スキルが発達していない子ども、特に兄弟のいない子どもたちが、感情を効果的に表現できるように支援する課題に対処すること。
• 自然で自由な対話形式で、子どもたちが個人的な出来事に関連する感情を特定し、言語化できるように支援する会話エージェントを設計すること。
• 大規模言語モデルを活用して、感情的な支援を提供し、子どもにやさしいチャットボットを構築する方法を検討すること。
• 感情的な物語共有に焦点を当てたLLM駆動のチャットボットと対話する際、子どもたちの認識と行動様式を調査すること。

提案手法

• ChaChaは、大規模言語モデル（GPT-4）と状態遷移マシンを組み合わせ、会話の構造を維持しながら自由な形式の対話を可能にしています。
• 状態遷移マシンは、物語の共有を開始する「探求（Explore）」、詳細を促す「拡張（Elaborate）」、感情の特定を促す「内省（Reflect）」という明確な段階に会話を導きます。
• 子どもたちが感情を名付けられない場合、ChaChaは選別された感情語のリストを提示して支援し、認知的負荷を軽減します。
• プロンプト工学を用いて、LLMの返答を発達段階に適した内容と感情的支援の目的に一致させるように調整しています。
• システムは韓国語で実装されており、多言語性能とトークン効率を考慮してモデルを選定し、韓国語の高コストなトークン化に対応しています。
• 20名の子ども（8〜12歳）を対象としたラボベースのユーザースタディでプロトタイプを評価し、対話パターンと感情表現の質的分析を実施しました。

実験結果

リサーチクエスチョン

• RQ1 子どもたちは、個人的な出来事と関連する感情を共有するよう促されたLLM駆動のチャットボットと、どのように対話するか？
• RQ2 ChaChaは、自然で自由な形式の対話で、子どもたちが感情を表現できるように効果的に導けるか？
• RQ3 子どもたちは、信頼性、共感性、感情的支援の観点から、ChaChaをどのように認識しているか？
• RQ4 LLMを用いた長い会話において、会話の整合性と感情的支援の維持にどのような課題が生じるか？
• RQ5 文化的・言語的要因（例：韓国語の使用）が、このようなシステムの性能と使いやすさにどのように影響するか？

主な発見

• 子どもたちはChaChaを親しい友だちと感じ取り、家族の旅行や個人の達成といったテーマの感情的な意味のある会話に参加しました。
• 参加者は頻繁に個人的な出来事を共有し、特にChaChaの感情語リストの支援のおかげで、関連する感情を特定・説明することができました。
• 状態遷移マシンは会話の構造を効果的に維持し、対話履歴が長くなっても自由な対話と感情的支援のバランスを保つことができました。
• LLMの高い性能にもかかわらず、長時間の対話履歴により、モデルが意図した段階から逸脱することが時折発生し、追加の応答検証メカニズムの導入が求められると示唆されました。
• 韓国語の使用によりトークン消費が著しく増加し、有効なコンテキスト窓が制限されることが明らかになり、言語固有の効率性を考慮したモデル選定の重要性が強調されました。
• この研究では性別による感情表現の差は顕著に認められませんでしたが、今後の研究で、LLMチャットボットとの対話における性別差異の可能性を検討する必要があります。