“不要被外表所迷惑”：揭示用户在社交人机交互中的期望与体验

《ACM Transactions on Human-Robot Interaction》：“Take Nothing on its Look”: Revealing Users’ Expectations and Experiences in Social Human-Robot Interaction

社交媒体人体验研究基于62个视频记录与31名参与者的访谈，采用经验反思性主题分析法，发现互动质量、策略及期望与机器人感知能力等因素影响用户体验，揭示人机交互中期望与体验的复杂作用机制。

　　

摘要

预计社交机器人在社会各个领域的应用将会逐渐增加。因此，研究用户期望在长期与这些机器人互动过程中所起的作用以及这些期望如何影响用户体验是必要的。采用解释性和基于洞察力的方法，我们的目标是探究人类与配备了OpenAI GPT-3语言模型的社交机器人Pepper进行面对面互动时的体验。我们从31名参与者那里收集了62段与Pepper互动的视频记录以及后续访谈的定性数据，并应用了体验性反思主题分析法。主要研究发现包括不同层次的互动质量、多种互动策略，以及影响用户期望和体验的因素，这些因素被综合成一个连贯的框架。结果表明，参与者会根据自己的期望和他们对机器人能力的认知来调整互动策略，从而影响他们的体验。这表明，积极的用户体验并不仅仅由互动质量决定，而是这些因素在与人机互动中的相互作用的结果。总之，我们的研究结果强调了用户期望和体验在社会人机互动中所起的复杂作用。这项工作为人机交互领域提供了补充性的定性研究方法，有助于更深入地理解与社交机器人的互动过程。