[论文解读] 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 3

一句话总结

ChaCha 是一款专为儿童设计的聊天机器人，利用大型语言模型（LLMs）和状态机，引导 8 至 12 岁儿童通过自由形式、情感支持性对话分享个人故事并表达相关情绪。在实验室研究中，儿童将 ChaCha 视为亲密朋友，并分享了多样的个人经历，展示了 LLM 在以发展适宜的方式支持儿童情感表达方面的潜力。

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.

研究动机与目标

• 为解决因沟通能力尚未成熟，导致缺乏兄弟姐妹的儿童难以有效表达情绪的挑战。
• 设计一款对话式智能体，支持儿童在自然、自由形式的对话中识别并表达与个人事件相关的情绪。
• 探索如何利用大型语言模型创建情感支持性强、适合儿童的聊天机器人，以鼓励情感分享。
• 研究儿童在与以 LLM 驱动、聚焦情感叙事的聊天机器人互动时的感知与行为。

提出的方法

• ChaCha 结合状态机与大型语言模型（GPT-4），在保持对话结构的同时支持自由形式对话。
• 状态机通过三个阶段引导对话：探索（启动故事分享）、详述（鼓励提供细节）和反思（引导识别情绪）。
• 当儿童难以命名情绪时，ChaCha 提供精心筛选的情绪词汇列表以提供指导，降低认知负荷。
• 系统通过提示工程，使 LLM 的回应与儿童发展阶段的适宜性及情感支持目标保持一致。
• 聊天机器人以韩语实现，模型选择基于多语言性能和分词效率，以应对韩语文本较高的分词成本。
• 在一项基于实验室的用户研究中，对 20 名 8 至 12 岁儿童的原型进行了评估，采用定性分析方法研究对话模式与情感表达。

实验结果

研究问题

• RQ1 当被要求分享个人事件及关联情绪时，儿童如何与以 LLM 驱动的聊天机器人互动？
• RQ2 ChaCha 在多大程度上成功引导儿童通过自然、自由形式的对话表达情绪？
• RQ3 儿童在信任感、亲和力和情感支持方面如何看待 ChaCha？
• RQ4 在与 LLM 进行更长对话时，维持对话连贯性和情感引导面临哪些挑战？
• RQ5 文化与语言因素（例如韩语使用）如何影响此类系统的性能与可用性？

主要发现

• 儿童将 ChaCha 视为亲密朋友，并展开了富有情感意义的对话，分享了关于家庭旅行和个人成就等主题的故事。
• 参与者频繁分享个人事件，并能识别和描述相关情绪，尤其在 ChaCha 的情绪词汇列表引导下表现更佳。
• 状态机有效组织了对话流程，即使在对话历史变长的情况下，仍能实现自由对话与情感引导之间的平衡。
• 尽管 LLM 表现优异，但长对话历史偶尔导致模型偏离预设阶段，表明需要额外的响应验证机制。
• 韩语的使用显著增加了分词数量，限制了有效上下文窗口，凸显了需根据语言特性选择高效模型的重要性。
• 本研究中，性别对儿童情感表达的影响不显著，但未来工作应探索性别差异在与 LLM 聊天机器人互动时的情感沟通表现。