[论文解读] Designing Conversational Robots with Children during the Pandemic
本文研究了在疫情期间为儿童设计对话式机器人以支持其信息检索，聚焦于信任动态与共同设计。研究探讨了视频互动对儿童对机器人信任感知的影响，发现即使在故意不可靠的机器人上，儿童也表现出高度信任，提出通过语音信任监测与行为干预实现的‘感知-思考-行动’循环，以缓解过度信任问题。
Our research project (CHATTERS) is about designing a conversational robot for children's digital information search. We want to design a robot with a suitable conversation, that fosters a responsible trust relationship between child and robot. In this paper we give: 1) a preliminary view on an empirical study around children's trust in robots that provide information, which was conducted via video call due to the COVID-19 pandemic. 2) We also give a preliminary analysis of a co-design workshop we conducted, where the pandemic may have impacted children's design choices. (3) We close by describing the upcoming research activities we are developing.
研究动机与目标
- 设计一款支持10至12岁儿童实现负责任、可信赖信息检索的对话式机器人。
- 探究新冠疫情如何影响儿童对机器人可信度、信任度及互动偏好的期望。
- 开发一种‘感知-思考-行动’循环，通过语音分析与自适应机器人行为检测并减少儿童的过度信任。
- 与儿童共同设计机器人功能，识别出陪伴性与移动性等关键设计优先事项，尤其在远程学习背景下。
- 对比对话式搜索与传统查询-响应模型，评估其在儿童中的可用性与参与度。
提出的方法
- 通过视频通话开展实证研究，30名10至12岁儿童与可信与不可信机器人互动，通过问卷和访谈测量信任度、亲和力与知识能力。
- 采用半结构化访谈收集儿童对机器人可信度、网络信息及语音助手使用的看法，重点关注语音模式作为信任指标。
- 通过儿童共同设计工作坊探索机器人设计偏好，受疫情影响采用工作表与远程协作工具。
- 计划未来研究采用双人搜索任务与角色分工（信息搜寻者/中介者），通过SCoSAS标注方案分析对话模式。
- 设计基于规则的算法，生成后续问题以在对话式搜索中激发儿童更丰富的语义信息需求。
- 提出‘感知-思考-行动’循环，机器人通过语音感知信任水平，评估是否存在过度信任，并通过改变行为降低信任水平。
实验结果
研究问题
- RQ1疫情期间通过视频媒介的互动如何影响儿童对机器人可信度的感知及其使用机器人进行信息检索的意愿？
- RQ2儿童对机器人应如何处理网络信息可信度有何期望？与当前语音助手使用情况相比如何？
- RQ3儿童在机器人被明确设计为不可靠的情况下，是否仍表现出过度信任？这种过度信任能否通过语音模式检测？
- RQ4对话式搜索与传统查询-响应模型相比，在语义丰富度与儿童用户体验方面有何差异？
- RQ5儿童在信息检索机器人中优先考虑哪些设计特征？这些特征如何受到疫情期间远程学习经历的影响？
主要发现
- 儿童对可信与不可信机器人版本均表现出高水平信任，表明对机器人可信度的操控不足以引发预期的行为对比。
- 儿童偏好移动机器人，并强调陪伴性，可能受疫情期间长期远程学习的影响。
- 儿童建议机器人应通过查阅权威网站或对比多个信息源来验证信息，表明其对虚假信息风险已有认知。
- 共同设计过程显示，当互动显得过于正式或缺乏幽默感时，儿童参与度下降，提示融入表情包等趣味元素可提升参与度。
- 互动中的语音数据表明，可从儿童语言中提取信任指标，支持通过语音分析实现实时信任监测的可行性。
- 儿童表示视频通话互动感觉不如面对面交流亲密，尽管已适应该形式，表明远程机器人交互需增强非语言线索。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。