“这真的算是人类同伴支持者吗？”：大语言模型（LLM）辅助交互中同伴支持者与专家之间的认知偏差

《Proceedings of the ACM on Human-Computer Interaction》："Is This Really a Human Peer Supporter?": Misalignments Between Peer Supporters and Experts in LLM-Supported Interactions

　　摘要

为了查看这篇由AI生成的摘要，您必须拥有高级访问权限。了解更多信息请登录。

摘要
心理健康是一个日益严重的全球性问题，这激发了人们对利用AI驱动的解决方案的兴趣，以扩大心理社会支持的覆盖范围。基于个人生活经验的同伴支持为专业护理提供了宝贵的补充。然而，培训、效果和定义的差异性引发了关于质量、一致性和安全性的担忧。大型语言模型（LLMs）为提升同伴支持互动提供了新的机会，尤其是在实时的文本互动中。我们介绍并评估了一个由AI支持的系统，该系统包括一个由LLM模拟的 distressed 客户（SimClient）、基于情境的LLM生成的建议（Suggestions）以及实时情感可视化功能。两项采用混合方法的研究涉及12名同伴支持者和6名心理健康专业人士（即专家），研究了该系统的有效性及其对实践的影响。两组人都认为该系统有潜力提升培训效果并改善互动质量。然而，我们发现了一个关键的矛盾：尽管同伴支持者积极参与，但专家们始终指出了同伴支持者回答中的关键问题，例如忽略了客户的困境线索和过早地给出建议。这种不一致性突显了当前同伴支持培训中的潜在局限性，特别是在安全和遵循最佳实践至关重要的情绪化情境中。我们的发现强调了需要标准化且基于心理学的培训，尤其是在同伴支持全球化扩展的情况下。这些发现还展示了如果设计得当并在专家监督下，由LLM支持的系统如何能够促进这种发展。这项工作为关于AI在心理健康中的负责任整合以及LLMs在增强同伴提供的护理中的不断演变的作用的讨论做出了贡献。

AI生成的摘要（实验性）
此摘要是使用自动化工具生成的，不是由文章作者编写或审核的。它旨在帮助发现、帮助读者评估相关性，并协助来自相关研究领域的读者理解这项工作。它旨在补充作者提供的摘要，后者仍然是文章的权威版本。点击这里了解更多信息。点击这里对摘要的准确性、清晰度和实用性发表意见。这样做将有助于改进未来的版本。为了查看这篇由AI生成的通俗语言摘要，您必须拥有高级访问权限。

1. 引言
同伴支持已成为一种越来越突出的心理健康护理形式，特别是在社区组织、教育机构和在线平台上。它通常由志愿者或辅助专业人士提供——这些人士经过结构化培训并拥有生活经验，他们提供非临床的情感支持，而无需专业执照。同伴支持强调情感认可、团结和相互理解，而不是诊断或治疗[54, 64]。然而，尽管其采用率不断提高，但同伴支持在培训、角色期望和互动规范方面仍然存在很大差异。与专业心理健康护理不同，专业护理有相对明确的实践标准和问责制，同伴支持往往依赖于关于什么是适当或有效支持的隐性、情境判断。这种模糊性可以带来灵活性和真实性，但也会在安全性和对最佳实践的忠实度至关重要的情绪化互动中引入紧张关系。
鉴于同伴支持与专业心理健康实践之间的密切联系，这些紧张关系尤为突出。临床医生受过评估风险、调节情绪激动并引导对话走向结构化治疗目标的训练，而同伴支持者则经常被鼓励“保持开放”，选择性分享个人经验，并避免给出规定性的建议[54]。然而，在实践中，同伴支持者和专业方法之间的界限越来越模糊，因为同伴支持项目借鉴了诸如心理急救（PFA）[74]和动机性访谈（MI）[67]等专业化框架，以及共享的数字基础设施[36, 37]。因此，即使在同一互动中，不同利益相关者对什么是“良好”支持的期望也可能有所不同。
最近在人工智能（AI）方面的进展，特别是大型语言模型（LLMs），加速了旨在支撑心理健康对话的工具的发展，包括模拟困境客户或生成同理心回应建议的系统[23, 44, 56, 60]。虽然这些系统通常被视为志愿者的辅助工具或初学者的辅助工具，但它们通常基于专业治疗标准，例如结构化的同理心和分阶段的干预[39, 72, 84]。当这些系统被引入同伴支持场景时，它们可能不仅会协助支持者，还会暴露出同伴支持和专业护理在实施方式和评估方式上的潜在差异。
在本文中，我们认为AI中介的同伴支持互动提供了一个分析视角，可以考察同伴支持者的实践与专业心理健康标准之间的差异如何在实践中显现出来。我们不是将AI辅助视为一种培训或提高表现的工具，而是研究它的存在如何重塑互动动态、认知和情感劳动，以及不同利益相关者群体对回应质量的判断。具体来说，我们提出了以下问题：（RQ1）同伴支持者在多轮互动中如何与LLM模拟的客户、LLM生成的建议和情感状态可视化进行互动，以及这些组件的有用性如何影响他们的看法？（RQ2）心理健康专业人士如何解释和评估同伴支持者的回答以及AI支持的组件（见RQ1），他们的评估与同伴支持者的观点在哪些方面一致或不同？
为了解决这些问题，我们进行了两项采用混合方法的研究，使用了一个由AI支持的同伴支持系统，该系统包含三个组成部分：（1）一个大型语言模型（LLM）模拟的困境客户（SimClient），（2）实时的、分类的回应建议（Suggestions），以及从客户消息中提取的情感状态可视化。在研究1中，十二名受过培训的同伴支持者与SimClient进行了实时的文本对话，同时使用了这些AI功能。在研究2中，六名心理健康专业人士回顾了这些会话的录音，并反思了同伴支持者的回答以及AI支持组件的作用。
在这两项研究中，我们发现AI中介的互动揭示了同伴支持者和心理健康专业人士之间的共通点和分歧，特别是在安全性、时机、真实性和对AI支持回答的适宜性感知方面。基于这些发现，本文做出了以下贡献：
• 我们提供了实证证据，说明AI中介的同伴支持互动如何揭示了同伴支持者的实践与心理健康专业人士观点之间的共同点和分歧。
• 我们详细说明了AI生成的建议和情感状态可视化如何在实时支持对话中重塑同伴支持者的认知和情感劳动。
• 我们为CSCW系统提供了设计上的启示，这些系统在具有不同专业知识和问责制的角色之间中介心理健康支持，强调了将专业化假设不加批判地嵌入同伴支持技术中的风险。

2. 相关工作
2.1 作为独特互动实践的同伴支持
同伴支持指的是具有共同心理健康挑战经历的个体之间相互提供情感或实际帮助[54, 64]。与专业心理健康服务（如心理治疗或危机干预）不同，同伴支持不侧重于诊断或治疗，而是注重同理心、共鸣和共同理解[78]。
尽管同伴支持可能借鉴了专业护理中的做法，但它基于对互惠、非层级交流和将生活经验作为专业知识形式的认可[38]。这些价值观塑造了实践中支持的实施方式以及互动选择的解释方式，往往与专业心理健康环境不同。同伴支持互动通常是在现场协商的，关于适当性的判断来自于交流的关系动态[32, 68, 76]。
实际上，同伴支持涵盖了从非正式的志愿者领导的社区到公共心理健康系统中更为正式的角色的各种组织形式[14, 38, 71]。在许多情境中——特别是在亚洲和全球南方——同伴支持通常是半正式的或基于社区的，受到当地规范、污名和社会层级的影响[10, 20, 28]。因此，“适当”或“有效”的支持可能因环境和利益相关者的不同而大相径庭。
这些特征对AI支持的同伴支持具有重要意义。许多AI系统隐含了关于情感表达、节奏和安全的职业假设。当这些系统被引入同伴支持环境时，它们可能会在专业化的评估标准与同伴支持者的情境判断之间引发紧张关系。在本文中，我们将同伴支持视为一种独特的互动实践，而不是专业护理的简化模型，这使我们能够研究AI中介的互动如何揭示同伴支持者和心理健康专业人士之间的分歧。

2.2 从在线同伴支持到AI中介的同伴支持
随着同伴支持越来越多地转移到线上，许多传统上基于面对面互动的做法已经通过基于文本的、异步的和匿名的交流进行了重新配置[63]。如7 Cups1、TalkLife2和国家级危机服务（例如Samaritans3、Lifeline4和988自杀与危机热线5）等数字平台通过结构化的对话将志愿支持者与寻求帮助的人联系起来。类似的生态系统在新加坡也出现了，包括调控论坛（let’s talk6）、基于文本的危机干预（SOS CareText7）和结合了志愿者和专业人员的混合模式（SAFEHOUSE8）。虽然这些平台扩大了访问范围，但它们也突出了同伴支持中的核心互动挑战，包括在同情的表达、响应能力和真实性的持续性文本交流中的实现。
除了正式服务之外，非正式的同伴支持社区也在Reddit、Discord、Facebook、WhatsApp和Telegram等平台上蓬勃发展[16, 17, 30, 35, 61, 66, 90, 91]。这些空间通常是自我组织的，几乎没有监管，并因其匿名性、灵活性和较低的污名化而受到重视[25, 34]。重要的是，它们作为实践中的同伴支持规范协商的场所，而不是通过正式协议强制执行的。在专业服务不可用或受到污名化时，这些空间往往成为最初的接触点[57]。先前的研究表明，这样的互动可能支持心理健康，尽管在不同情境下的结果差异很大[90]。
同时，在线同伴支持也暴露了文本中介互动固有的紧张关系。缺乏非语言线索限制了痛苦的解读方式和同理心的表达[25, 85]。志愿支持者经常面临情感压力和倦怠，而培训和支持结构仍然不均衡[8]。此外，在培训中常见的互动技巧——如反思性倾听或释义——如果僵硬地应用或缺乏对关系情境的敏感性，可能会被认为不真实或适得其反[18]。这些挑战表明，在同伴支持情境中，“有效”的支持不能仅归结为正确应用技巧。
作为回应，研究人员开始探索AI系统来支撑同伴支持互动，例如提供实时指导、消息增强或情境感知的建议[44, 56, 60, 92]。许多此类系统借鉴了咨询框架——包括动机性访谈、CBT和积极倾听——来模拟支持性回应[72, 84]，而像CARE这样的系统则整合了对话历史和情绪识别来定制指导[23]。相关研究还考察了AI支持的咨询中的治疗联盟和关系一致性，强调了情感联系和协作参与[39]。
然而，许多此类工作隐含地根据专业或教学标准评估AI辅助，通常在受控或脚本化的环境中进行[23, 39, 73]。因此，关于AI生成的建议如何在志愿者同伴支持的情境中被解释和协商知之甚少，其中适宜性、真实性和关怀的规范是流动且充满争议的。特别是，先前的研究很少关注同伴支持者本身如何在实时的多轮互动中参与、适应或抵抗AI建议，或者这些实践如何与专业期望保持一致或产生冲突。
基于这一差距，我们的研究考察了受过培训的同伴支持者如何在与LLM模拟的困境客户的实时多轮对话中与LLM生成的建议进行互动。通过额外纳入与心理健康专业人士的访谈，我们揭示了同伴支持实践和AI中介互动如何根据专业标准进行评估，从而能够比较性地考察在之前的AI辅助同伴支持研究中常常被忽视的规范分歧。

2.3 在心理健康中的LLM驱动的对话代理和模拟客户
对话代理（CAs）在数字心理健康干预中变得普遍[40]，涵盖了基于认知行为疗法（CBT）的聊天机器人[13]和表达性写作工具[59]，以及以解决方案为导向的咨询方法[15]，并补充了更广泛的数字心理健康技术的发展，如虚拟现实、移动平台和自我引导工具[7, 12, 22, 42]。实际评估表明，如Wysa这样的系统可以通过同理心的文本互动缓解抑郁症状[26]。
LLMs扩展了CA的能力，使得对话更加流畅和情境感知[33]。像MindfulDiary这样的系统使用日记进行治疗性反思[31]，而ComPeer结合了同伴支持策略和对话历史来根据情感需求定制回应[44]。通过模仿同理心、情感认可、反思性倾听和动机性访谈等原则[6, 72]，基于LLM的CA接近了受过培训的支持者的回应，可能降低了护理的障碍。同时，个人越来越多地转向像ChatGPT这样的通用LLM寻求情感支持，因为它们即时且匿名[1]，尽管这种未经监督的使用引发了安全性的担忧[45, 49]。
尽管LLMs具有潜力，但它们在处理模糊性、情感节奏和高风险披露方面存在局限性，这可能导致过度依赖或信任错误[79, 84]。伦理和有效使用需要仔细的设计，通常还需要人类的监督。与此同时，大型语言模型（LLMs）已被用于模拟患者或客户，以进行训练和评估。这些系统旨在复制真实客户的对话行为、情感轨迹和表达风格，为治疗师、临床学生和研究人员创造安全且可扩展的环境，以练习和提高他们的技能[81, 86, 87, 89]。此类模拟通常在多轮对话中保持一致的角色，使得在治疗不同心理困扰程度的客户时能够进行标准化实践[86]，这些实践遵循包含积极倾听、缓和紧张局势和建立融洽关系的提示的结构化协议。LLMs也被用来模拟治疗师或咨询师[9, 27, 89]，尽管这些工作主要针对专业背景。

关于在同伴支持中使用模拟客户的情况，所知甚少。在同伴支持中，对话往往结构不那么严格，情感表达更为强烈，且由接受过最少培训的志愿者进行引导。这些情况为模拟客户带来了独特的设计挑战，要求它们具备准确的情感节奏控制、对话真实感以及符合非专业人士能力和期望的人际沟通风格。

我们的工作将现有方法扩展到同伴支持领域，该领域的利害关系、期望和关系动态都有所不同。我们捕获并分析了同伴支持者和LLM模拟的受困扰客户之间的实时多轮互动，包括可视化的情感状态，以及LLM实时生成的旨在支持他们回应的建议。专家评估进一步分析了这些组成部分，以及同伴支持者所表现出的关系敏感性。这种双重视角使我们能够更全面地理解模拟客户如何在同伴支持环境中支持培训、反思和未来系统的设计。

## 3 概述
### 3.1 系统概述和研究设计
为了了解同伴支持者在实时互动中如何与AI介导的支持进行互动，我们开发并评估了一个由LLM支持的系统，该系统包括三个组件，这些组件的设计灵感来自之前的研究：一个由LLM模拟的受困扰客户（SimClient）、基于上下文的LLM生成的建议（Suggestions）以及实时情感状态可视化。这些组件被部署在一个基于文本的聊天界面中，以支持心理上真实的同伴支持场景。为了研究该系统的有效性及其对同伴支持实践的影响，我们进行了两项研究（见图1）：
- **研究1**：与同伴支持者的实验室研究。12名受过训练的同伴支持者与SimClient进行了同步的多轮对话，期间得到了实时情感状态可视化和建议的支持。
- **研究2**：对研究1中互动的专家评估。6位心理健康专业人士审阅了研究1的匿名记录，评估了SimClient、建议的质量以及情感状态可视化的效用，并提出了未来部署的考虑因素。

图1. 进行的研究概述。研究1包括12名同伴支持者与SimClient进行实时聊天，使用建议和情感状态可视化，同时进行了回顾性的内心独白访谈和生理/行为监测。研究2涉及6位专家（临床心理学家、咨询师、医学社会工作者），他们评估了研究1的记录，并对SimClient、建议和情感状态可视化进行了评价。

这两项研究共同探讨了AI工具如何在保持同伴支持者核心作用的同时塑造实时同伴支持，这与在心理健康护理中对AI进行多层次、上下文敏感评估的呼吁是一致的[75]。两项研究都获得了机构审查委员会的批准（SUTD IRB-24-00670），并遵循了伦理研究指南。参与者分别获得了约15美元（研究1）和23美元（研究2）的报酬。

图2展示了为研究1开发的聊天界面，并在研究2中进行了评估。该界面包括：(A) 客户标签和聊天计时器，(B1) 显示SimClient情感状态的emoji和总结，(B2) 维度和类别情感的时间序列表，(C) 显示对话的聊天窗口，以及(D) 以三类显示的建议（SMI、SER、SPS）。

图2. 研究中使用的聊天界面。参与者通过撰写基于文本的回复与SimClient互动。界面提供实时情感反馈，包括(A) 客户标签和聊天持续时间，(B1) 基于emoji的情感状态总结，以及(B2) 情感价值、唤醒度和类别情感的时间序列表。主聊天窗口(C) 显示正在进行的对话。下方显示了供参与者选择的三种类型建议：激励性对话(SMI)、同理心回应(SER)和情感支持(SPS)。

## 3.2 LLM模拟客户的设计：SimClient
SimClient的设计旨在实现受控且可重复的同伴支持场景，同时保持情感的真实性。先前的研究表明，对话模拟可以帮助在情感激烈的情境中发展同理心和关系技能[81, 86, 87, 89]。模拟提供了一个低风险的环境，用于练习轮流发言、反思性倾听和同理心提问。

SimClient由GPT-4 Assistants（gpt-4o-2024-08-06）提供支持，旨在模拟一个情感表达丰富、寻求支持的人与参与者进行多轮对话。在整个对话过程中，响应是根据结构化的对话阶段动态生成的（见附录D）。

## 3.3 SimClient情感状态可视化设计
每个SimClient的消息都配有一个基于两种互补模型[77]计算得出的情感状态，这两种模型基于成熟的情感理论：
- **维度化**：情感价值（-1至+1）和唤醒度（-1至+1），遵循循环模型[62]，通过情感标签和时间序列表（图2，B1，B2）进行可视化，捕捉情感的色调和强度。
- **类别化**：从以下情感中选择一种：悲伤、恐惧、愤怒、厌恶、快乐、惊讶（改编自Ekman [11]），以及中性情感，同样进行可视化（图2，B1，B2）。这些情感状态是从每个GPT生成的消息中嵌入的情感意图计算得出的（见附录D）。可视化旨在帮助解释基于文本的同伴支持中情感的变化，因为在这些情境中缺乏副语言线索，可能会导致误解痛苦或情感细微差别的风险。结合维度化轨迹和类别化标签，使SimClient能够展示动态的情感模式。例如，高度唤醒度的负面情绪与更紧急或片段化的消息风格相关联。这种结合旨在帮助支持者监控情感变化、调整节奏，并识别需要高度关注的时刻。

## 3.4 LLM生成的建议设计：Suggestions
建议的设计旨在在情感要求高的互动中支持同伴支持者的认知和语言工作。先前的研究表明，实时指导可以减轻认知负担，并支持支持性对话中的对话对齐[23, 72, 84]。当用户必须同时跟踪情感线索和形成回应时，这种指导尤其有益。

建议由GPT-4 Assistants（gpt-4o-2024-08-06）提供。每个SimClient消息之后会生成三条建议，参与者可以选择采纳、调整或忽略这些建议。表1总结了建议的类别和示例输出：“我最近对学校感到非常焦虑，对未来也不确定。感觉就像大家都在前进，而我却停滞不前。”

表1. 建议的类别和示例
| 建议类别 | 目的 |
|-----------------|-----------------------------------------|
| 激励性对话（SMI）[23, 70] | 通过开放式问题鼓励反思和详细说明 |
| 同理心回应（SER）[48, 72] | 验证情感并支持建立融洽关系 |
| 情感或信息支持（SPS）[34, 60] | 提供安慰、正常化或相关指导 |

附录D和E提供了提示结构和系统输出的更多示例。

## 4 研究1：与同伴支持者的实验室研究
### 4.1 方法论
- **参与者**：我们招募了12名参与者（5名女性），年龄均在18岁及以上（平均年龄=34.04岁，标准差=14.67岁），每位参与者都有同伴支持和/或PFA的相关经验和培训（见表2）。参与者来自新加坡的社区和机构-based同伴支持项目，包括在线（n=5）、线下（n=2）和混合（n=5）模式。大多数人至少拥有学士学位（n=11），其中两人拥有心理学学位。同伴支持经验从1年到超过10年不等（平均每个模式的经验为3.6年）。

表2. 参与者信息
| ID | 年龄 | 性别 | 教育背景 | 种族 | 就业情况 | 心理学背景 | 经验（类型和持续时间） |
|------------|----------|---------|--------|---------|-------------|----------------------|
| PS1 | 25-34 | 女性 | 学士 | 中文 | 自雇 | 无 | 在线（约6年） |
| PS2 | 18-24 | 女性 | 学士 | 印度 | 学生 | 是 | 线下（约4年，线上1年） |
| PS3 | 25-34 | 男性 | 文凭 | 中文 | 兼职 | 无 | 线下（约1-2年） |
| PS4 | 65-74 | 男性 | 硕士 | 中文 | 退休 | 无 | 线下（约6.5年） |
| PS5 | 25-34 | 男性 | 学士 | 中文 | 全职 | 无 | 线下（约1年） |
| PS6 | 25-34 | 男性 | 学士 | 中文 | 全职 | 无 | 线下（约1年） |
| PS7 | 45-54 | 女性 | 学士 | 中文 | 全职 | 无 | 线下（约5-10年） |
| PS8 | 18-24 | 女性 | 学士 | 中文 | 学生 | 线上（约1年） |
| PS9 | 25-34 | 男性 | 硕士 | 印度 | 全职 | 无 | 线下（约3.5年） |
| PS10 | 25-34 | 男性 | 学士 | 中文 | 全职 | 是 | 线上（约1年） |
| PS11 | 45-54 | 男性 | 学士 | 中文 | 自雇 | 是 | 线上（约1年） |
| PS12 | 18-24 | 女性 | 学士 | 印度 | 全职 | 是 | 线上（约3-4年） |

### 4.1.2 研究程序
每个会议包括三个部分：会前准备、聊天和会后讨论，所有部分都采用面对面方式进行，并进行屏幕和音频录制。
- **会前准备**：参与者完成了一份人口统计问卷、人格问卷（BFI-2-XS [51, 52, 80]）、认知需求问卷[4, 5]，以及一份评估他们对像ChatGPT这样的生成式AI工具熟悉程度的问卷。
- **聊天环节**：参与者与SimClient进行了多轮基于文本的对话，可以自由发言或从三类LLM生成的建议（SMI、SER、SPS）中选择回应。使用Polar H10胸带（HRV）和WebGazer.js [58]收集生理和注意力（眼动）数据。这些数据是作为潜在的参与者压力和参与度的指标而收集的，用于后续的研究2中的专家评估。
- **会后讨论**：参与者在回顾他们的会议记录时进行了回顾性的内心独白访谈，访谈中由引导者指出决策、建议使用情况和感知到的挑战。他们使用7点李克特量表评估SimClient的回应在流畅性和自然性（是/否）、人性（非机器人特质）以及真实性（与现实世界客户的相似性）方面的表现，并反思了建议和情感状态可视化的有用性。这些评估旨在检验SimClient模拟可信赖的同伴支持互动的能力以及参与者对其回应的总体印象。

### 4.1.3 数据分析
访谈记录由一名研究人员使用迭代性的、反思性的主题分析方法进行分析，包括反复仔细阅读、写备忘录以及逐步完善代码和主题。由于这种分析类型不适合进行解释性分析，因此没有计算评分者间的一致性[53]。分析的严谨性通过反思性文档记录和分析决策的透明度得到了保障。生理和行为数据（HRV和眼动）也是基于探索性方式进行分析的。HRV特征（RMSSD、SDNN、LF/HF比率）是在经过人工因素校正和分段后使用Kubios HRV Standard计算得出的。眼动分析考察了聊天过程中的注视停留时间和注意力投入。

### 4.2 结果
- **与SimClient的互动**：
- **消息长度和对话节奏**：参与者与SimClient进行了结构化的、基于轮次的互动，平均每轮约34条消息，持续约30分钟（表3）。虽然不同会议中对话长度和参与者的发言长度存在显著差异，但SimClient的响应时间和消息长度相对一致。
- 表3显示，SimClient的响应（每条消息27.89个词）比参与者的响应（每条消息29.51个词）更为均匀，且参与者的发言长度并未显著延长对话。参与者和SimClient的消息长度之间的相关性较弱（r = 0.18），只有3次会议显示出中等的轮次同步性（r ≥ 0.5，p < 0.05），表明双方在节奏上的相互调整有限（见图3）。

图3. 研究1中参与者每条消息的平均长度（词数），显示同伴支持者之间的变异性较大，而SimClient的响应相对稳定。条形图显示了所有12位参与者每条消息的平均词数，x轴代表参与者，y轴表示消息长度。同伴支持者的消息长度在会议中差异很大，有些超过40个词，而SimClient的消息长度在参与者之间相对一致，大多在20到35个词之间。

总的来说，这些发现表明SimClient在会议中保持了稳定的互动节奏，对个别参与者风格的适应有限。

- **出现的策略和犹豫时刻**：在所有会议中，参与者都运用了同伴支持和PFA的原则——包括肯定、积极倾听、情感调节和尊重自主性——同时灵活地根据SimClient发出的信号进行调整。与其遵循僵化的脚本，参与者将这次互动视为一个关系过程，根据对话的发展来调整语调和节奏。参与者避免了提供建议，正如PS2所解释的（PS3和PS6也有类似反映），他们的回答是一种“非常潜意识的努力”，目的是让SimClient感到“他们在一起”。犹豫的时刻显示出深思熟虑的克制。当回答在情感上显得模糊时，参与者会暂停或避免追问，这表明他们注意到了对方的界限。例如，PS5在得到一个不明确的回答后选择不再深入探讨：“我不想再追问了”。屏幕记录和眼动追踪数据证实了这些描述，显示出在回应情感模糊的内容之前有短暂的停顿。这种犹豫是一种与现实世界中同伴支持实践相一致的互动策略。

关于自然性、真实性和人性化的感知，参与者对真实性和人性化的评价相对较高，有58%的人认为这种互动是自然的。在7点量表上，人性化的平均得分为4分，真实性的平均得分为5分（见图4）。图4显示了研究1中参与者对SimClient的评价分布，在7点李克特量表上，上部分为人性化，下部分为真实性。条形图显示了每种评价频率，不同色块代表不同的评分范围。

定性反馈揭示了情感上的可信内容与互动性的虚假性之间的矛盾。许多参与者（n=7）认为SimClient的担忧与他们在现实生活中的同伴支持经历相符，尤其是在学术压力、未来不确定性和社交隔离方面。同时，也有部分参与者（n=4）指出SimClient的表达过于流畅、结构化且情绪调节得过于严格，缺乏困扰中的个体常见的犹豫、离题或不规则性。正如拥有3-4年在线支持经验的PS12所观察到的：“真实的人不会用长段落说话……他们只是脱口而出”。其他人（n=2）则认为SimClient在情绪上异常合作或稳定。

尽管存在这些局限，一些参与者（n=3）描述了某些对话互动中相互呼应的瞬间，这有助于维持参与感，他们注意到SimClient有时会基于之前的信息做出情感上敏感的回应。总的来说，这些反馈表明，虽然SimClient缺乏人际交流的关键特征，且明显是人工生成的，但其情感内容和关系线索足够可信，能够维持参与者的参与度。

在建议的使用上，12位参与者中有9位使用了建议，平均采用率为29.1%（标准差=23.62%）。他们以三种方式使用建议：（1）直接采纳；（2）根据上下文稍作修改；（3）结合多个建议形成一个连贯的回应。其中最常见的方法是修改使用（21次），其次是结合多个建议（9次），直接采纳（6次）（见图5）。例如，PS3在不确定如何回答时直接采纳了建议，而PS5和PS10则定期调整建议以提高清晰度、语气或个性化。PS1描述了应用同伴支持技巧来改进建议的表述，PS10经常结合不同选项的元素，更倾向于使用建议提供的结构而不是从头开始创作回应。

参与者倾向于使用情感支持（SER）和社交支持（SPS）（各16次），这些方法有助于建立融洽关系和情感上的控制。动机性访谈提示（SMI）使用较少（13次），通常用于反思或重新框架问题，而不是提供指令性指导（见图6b）。正如PS5所解释的，他们更倾向于“先表达同理心，然后再进行探究、正常化、肯定，并帮助SimClient寻求解决方案”。

七位参与者认为建议与培训中教授的原则大体一致，特别是在模仿同理心、确认和非评判性语言方面。这些参与者发现所有三种建议类别都有助于启动敏感的情感回应、构建回应结构或评估他们已经起草的内容。对某些人来说，建议起到了增强信心的作用。PS12强调了它们对新手同伴支持者的潜在价值，指出这些建议有助于确保遵循基本的支持原则；而PS1则提到在不确定如何进行时，使用建议可以帮助构思。其他人，如PS5和PS10，发现建议有助于扩展或完善他们的回应，PS10评论说有些建议比他们自己想到的更好。然而，也有一些局限性。几位参与者（n=4）认为建议不够适应对话情境，有时在建立充分融洽关系之前就解决了问题。 PS1观察到：“[建议]并不总是与[SimClient]实际所说的一致”。也有人担心建议的真实性，一些参与者（n=3）认为建议过于泛化或“教科书式”，对在互动早期就出现的脚本化或情感化的语言感到不适。PS11担心像“我在这里支持你，你并不孤单”这样的短语如果过早使用可能会培养出依赖关系，而PS7则更倾向于使用开放式提问或分散注意力的温和方法。

参与者对建议的实用性和局限性也有不同的看法。有些人（n=4）认为建议与培训中教授的原则一致，特别是在模拟同理心、确认和非评判性语言方面。这些参与者发现所有三种建议类别都有助于启动敏感的情感回应、构建回应结构或评估他们已经起草的内容。然而，也有人指出建议的局限性，例如建议有时未能及时适应对话情境。一些人（n=4）认为建议不够灵活，有时在建立融洽关系之前就解决了问题。有些人（n=3）担心建议的真实性，有些参与者（n=3）认为建议过于通用或“教科书式”，对在互动早期就出现的语言感到不适。此外，还有人提出了 usability方面的挑战和设计改进建议，如改善建议的及时性和响应性。

在建议的使用模式和策略上，12位参与者中有9位使用了建议，平均采纳率为29.1%，标准差为23.62%。他们以三种方式使用建议：（1）直接采纳；（2）根据上下文稍作修改；（3）结合多个建议形成连贯的回应。修改使用是最常见的方法（21次），其次是结合多个建议（9次），直接采纳（6次）。例如，PS3在不确定如何回答时直接采纳了建议，而PS5和PS10经常调整建议以提高清晰度、语气或个性化。PS1描述了如何运用同伴支持技巧来改进建议的表述，PS10经常结合不同选项的元素，更喜欢使用建议提供的结构而非从头开始创作回应。

参与者倾向于使用情感支持（SER）和社交支持（SPS），这两种方法各使用了16次，用于建立融洽关系和情感上的控制。动机性访谈提示（SMI）使用较少（13次），通常用于反思或重新框架问题，而不是提供指令性指导。正如PS5所解释的，他们更倾向于“先表达同理心，然后再进行探究、正常化、肯定，并帮助SimClient寻求解决方案”。

在参与者的互动中，文本线索始终被优先考虑。即使是在积极使用的参与者中，文本线索也主要是辅助性的，而不是行动的主要驱动力。建议的改进方面，参与者提出了多种细化建议，如提供更快捷的支持访问途径、更好的提示或命令，以便在需要时调用；或者允许支持者更主动地调整建议。此外，还有人建议改进设计，例如允许更快速地获取支持，或在起草过程中更早地提供建议；以及结合全响应和关键词级别提示的混合方法。参与者中将互动描述为平静或情绪中立的，在某些情况下表现出较高的RMSSD（反映生理波动的指标），而尽管报告了犹豫或认知努力的瞬间，其他人却几乎没有任何生理变化。同样，频繁使用建议功能的参与者与不频繁使用的参与者在HRV（心率变异性）测量上并没有系统性差异。综合这些发现，表明HRV的变化似乎反映了参与动态和反应形成的不同，而不是主观痛苦或系统引起的认知负荷。

眼动追踪数据被用来研究互动过程中对系统组件的视觉关注，特别是聊天窗口、建议功能以及情绪状态可视化界面。在所有参与者中，当积极撰写信息时，目光通常集中在聊天界面上，而在打字时对其他系统元素的注视较少。对于那些报告积极使用建议功能或情绪状态可视化的参与者，眼动追踪数据显示在特定互动时刻（如接收到客户消息后或等待下一次回复时）会有短暂但重复的注视。这些注视通常发生在草拟回复之前或消息发送之后，而不是在文本撰写过程中。一个例外是PS12，她报告说她会查看可视化界面以评估自己的回答是否对客户有帮助。

即使报告很少或没有使用这些功能的参与者，偶尔也会看向这些界面，不过这些 Blick（注视）很短暂且不频繁。这些注视最常出现在空闲期间，比如在等待SimClient的回复时，并且并不总是伴随着回复内容或策略的变化。

总体而言，对建议功能或情绪状态可视化的持续视觉关注并没有系统性地与更高的采用率或更强的行为影响相关联。这表明这些功能主要起到了背景参考的作用，而不是具有指导性的输入，支持了它们作为可选辅助工具而非核心决策工具的角色。

**多年经验**：多年的同伴支持经验与建议功能的使用呈轻微负相关（r = ?0.24）。中位数分割显示，经验更丰富的同伴支持者比经验较少的参与者更少依赖建议功能，这表明经验可能会影响辅助工具在实践中的整合方式。

**研究2：专家对研究1中互动的看法**

**5.1 方法论**

**5.1.1 参与者**
我们招募了6位心理健康专业人士（4名为女性），包括1位临床心理学家、4位持证咨询师和1位医学社会工作者（见表4）。参与者的年龄在25岁及以上（平均年龄=39.5岁，标准差=8.9岁），拥有4至20年（平均11.6年，标准差=7.70年）的专业经验，并持有临床心理学、咨询或社会工作的正式资格证书，至少拥有心理学、社会工作或相关领域的学士学位。除了职业之外，两位参与者（E2、E5）还在在线平台上担任同伴支持者。本研究中的医学社会工作者（E1）持有高级认证，并积极提供心理健康干预服务。虽然这些参与者接受了正式的心理社会培训，但他们的评价被视为基于专业治疗标准的角度，而不是绝对正确的标准。鉴于同伴支持缺乏标准化定义，本研究旨在识别专业支持与同伴支持实践之间的共性和差异。

**表4. 参与者信息**

| ID | 年龄 | 性别 | 教育背景 | 种族 | 职业 | 同伴支持志愿服务（工作之外） | 专业经验年限 |
| --- | --- | --- | --- | --- | --- | --- |
| E1 | 25-34 | 女性 | 学士学位 | 汉族 | 合同或临时员工 | 医学社会工作者 | 无 |
| E2 | 45-54 | 男性 | 硕士学位 | 汉族 | 兼职咨询师 | 是 |
| E3 | 45-54 | 女性 | 学士学位 | 汉族 | 全职咨询师和社会工作者 | 否 |
| E4 | 35-44 | 男性 | 博士学位 | 印度人 | 全职咨询师 | 否 |
| E5 | 35-44 | 女性 | 硕士学位 | 汉族 | 全职临床心理学家 | 是 |
| E6 | 25-34 | 女性 | 硕士学位 | 马来族 | 全职咨询师 | 否 |

**5.1.2 研究程序**
每个环节包括五个部分：访谈前、视频回顾1、视频回顾2和视频回顾3，所有环节均以面对面方式进行，并录制了屏幕和音频。

**访谈前环节**
参与者完成了关于他们专业背景、提供心理社会支持的经验以及对数字心理健康干预的看法的半结构化访谈。这为后续评估提供了背景信息。

**视频回顾和出声思考环节**
然后，参与者观看了来自研究1的两段匿名录像（聊天环节），这两段录像在长度和建议功能及情绪状态可视化的使用上有所不同（见附录G），并同时进行了关于对话适宜性、真实感以及同伴支持者决策过程的出声思考。

**视频后问卷和访谈环节**
每次观看视频后，参与者完成了一份简短的问卷，评估SimClient、建议功能和情绪状态可视化界面的效果。随后进行了关于同伴支持者表现、优点和局限性的半结构化访谈，以及大型语言模型（LLM）在互动塑造中的作用。在回答关于第二段视频的问题后，参与者对LLM支持的同伴支持的潜力和陷阱进行了总体反思。

**5.1.3 数据分析**
与研究1类似，一位研究者反复对访谈和出声思考的文字记录进行编码，并通过多次仔细阅读和撰写备忘录来完善代码和主题。

**5.2 结果**

**5.2.1 同伴支持者回应的评估**
为了进一步了解专家的评估，我们检查了基本的对话特征，包括会话时长、发言轮次数量和消息长度分布（见表3；图3）。然而，专家对节奏和互动质量的解读并不仅仅依赖于这些表面层次的测量。

专家一致认为节奏是一种互动质量，它受到发言顺序、对SimClient线索的响应方式以及提供安慰或建议的时机的影响。较短的互动并不被认为太匆忙，较长的会话也不一定意味着更深入的反思。例如，E4评价PS2的互动（约20分钟，34轮次）进展太快。同样，PS3的互动（约23分钟，24轮次）因未能充分展开讨论而受到批评，尽管其消息长度和发言轮次与其他会话相当。相反，一些较长、发言轮次较多的会话（如PS7、PS11）也受到了批评，但原因涉及不同的节奏问题，包括认知负担过重和对话偏离主题。这些案例表明，专家对节奏的感知更多地受到互动控制和情感共鸣的影响，而非经过时间的流逝或话语的冗长。

在短暂的互动和长时间的互动中都观察到了过早提供建议的情况，这表明提供建议反映了同伴支持者的对话策略，而非互动的累计时长。在较长的互动中，这有时表现为过于直接的指导；而在较短的互动中，则是在尚未充分探索SimClient的关切时就提出了建议。专家进一步指出，提供建议往往伴随着假设，即同伴支持者推断出SimClient未明确表达的情绪、动机或问题结构，有时导致用语与SimClient的陈述不一致。

**观察到的优点和不足**
专家强调了同伴支持者回答中的优点，包括使用与PFA（同伴支持框架）和咨询一致的技术，如重述、肯定和正常化。当这些策略基于SimClient的语言并用于引导进一步讨论时，通常被认为是支持性和富有情感共鸣的。例如，E1注意到PS1在回应SimClient关于游戏社交方面的评论时使用了引导性的语言；E3在PS8的评价中使用了“这些听起来像是非常具体的建议”和“是的，这确实很正常”这样的表达。E3还赞扬PS5通过“我很欣赏你向我敞开心扉的勇气”来鼓励SimClient的开放性。

专家还强调了基于个人洞察的同理心陈述的有效使用，同时没有偏离对SimClient的关注。例如，E3赞扬PS5使用“我完全理解你的感受”这样的个人化表达，有效地建立了共鸣感。E2也赞扬PS3使用“我完全理解你的感受”来表达同理心，并展示了倾听的意愿。非正式元素，如问候语、表情符号和自然的打字节奏变化也被认为有助于营造更人性化和亲切的语气（E6对PS11的评价）。

尽管有这些优点，专家也指出了几个互动中的不足。机械或过于正式的确认经常被认为降低了情感真实性，尽管表达了基本的情感共鸣。例如，E1评论说PS4的语气虽然总体上不那么机械，但偶尔会偏离最佳实践；PS1重复使用“感谢分享”这样的短语显得刻板。

专家还对语言的可访问性和认知负担表示担忧。那些被认为冗长、抽象或语言复杂的回应被视为认知负担较大，尤其是在情感敏感的时刻（E1、E4、E5）。这些批评不仅与消息长度有关，还与句子结构、抽象程度以及引入与SimClient语言不符的概念有关，即使意图是支持的，也可能降低情感共鸣。

**紧张感和与专业标准的偏差**
专家一致指出，尽管许多同伴支持者的回应是出于好意，但有时会偏离专业咨询的期望，这可能是由于培训差异、角色清晰度以及情境判断的不同所致。过早提供建议的情况很常见，特别是在尚未完全理解SimClient的关切时。这种倾向在多个会话中都有体现，形式多样。例如，一些同伴支持者（如PS5）过早提出了可操作的建议，限制了共同调节和反思的机会。E4批评PS7从分散注意力转向提供建议，这与同伴支持的原则相矛盾；E5还指出PS2-SimClient的互动更像是辅导而非基于PFA的支持，因为缺乏足够的探索深度。此外，E5还观察到PS12有时提供了准治疗性的建议，尽管有时会先询问这样的建议是否有帮助。

**不一致之处还体现在同伴支持者对SimClient线索的解读和行动上**
专家指出，有时在没有充分了解SimClient表达的情境下就推断出其情绪、动机或进展，从而产生了理解偏差。例如，一些回应引入了个人化的框架或假设了进展，这与SimClient的情绪状态不符。E3评论说PS8的“我和你一样”这样的说法与SimClient的低能量状态脱节，错过了深入反思的机会。同样，E2认为PS3可能将SimClient的同意误解为真正的进展，忽略了可能的讨好倾向。

**紧张感和与专业标准的偏差**
专家还指出了同伴支持者在解读和应对SimClient线索时的失误。例如，有些回应引入了个人化的框架或假设了进展，这与SimClient的情绪状态不符。E3指出PS8的评论“我和你一样。我会找人聊聊我的烦恼”与SimClient的低能量状态脱节，错过了深入反思的机会。同样，E2认为PS3可能将SimClient的同意误解为真正的进步，忽视了可能存在的讨好倾向。

**认知负荷和互动的可持续性**
专家频繁指出认知负荷是一个关键挑战，其中有10次互动被认为是对SimClient要求过高的。这些问题不仅与消息长度有关，还与对话的复杂性、提问方式和节奏管理有关。结合多个提示、抽象的表述或引导性的建议常常被认为是令人难以承受的。例如，E6指出PS11使用双重问题或引导性提问（如“你觉得他们有多重视这段友谊？”）以及持续超过10分钟的闲聊导致了一次“笔友式”的对话，延迟了情感的表达了露和增加了认知负担。E5也指出PS12的回应虽出于好意，但因其长度和复杂性而可能令人难以承受。

专家还强调了互动时机和准备程度对认知负荷的影响。PS11在没有先确定SimClient准备情况的情况下就提出的指导性建议被视为特别具有挑战性，因为这些建议基于同伴支持者的假设而非SimClient的实际需求。E4还指出PS7冗长且带有建议性的消息造成了过重的认知负担，特别是在情绪敏感的情境下。当同伴支持者在现有建议的基础上进行修改，以更好地适应对话的语境、语气或顺序时，这被视为他们具备判断能力的体现，而不是偏离了指导原则。这些建议更多地起到了一个比较参考点的作用，而非强制性的指导。专家们的评价集中在支持者如何在结构与灵活性之间进行权衡上，他们利用建议作为框架，同时保持对互动过程的控制权。附录H.F中提供了说明这些判断模式的注释示例。图7展示了一个同伴支持者与SimClient互动的例子，展示了如何将建议选择性地转化为富有同理心的、反思性的回应，并被领域专家评价为有效的辅助工具，而非硬性模板。附录中的图表还展示了与一个表达孤独感和友谊疏远感的模拟客户进行的基于文本的同伴支持对话：在对话中，客户的信息之后会跟着三种由AI生成的提示类型——S_MI、S_ER和S_PS，分别代表反思性提问、情感认同以及问题解决或支持。同伴支持者将这些提示整合并编辑成一个混合回应，将孤独感重新定义为一种正常的情绪状态，并提出一个温和的跟进问题。右侧的专家评估小组指出，同伴支持者注重了对建议的精心编辑和响应性，将AI生成的提示转化为真实的辅助工具，而非机械地照搬使用。

专家们还指出了同伴支持过程中固有的角色冲突。由于这不是临床环境，因此并不期望同伴支持者执行诸如正式的风险评估或结构化问题解决等治疗性任务。因此，鼓励性话语、非正式的安慰以及适度的自我暴露等行为在同伴支持情境中被认为是可以接受的，即使这些行为可能与专业咨询的规范有所不同（例如E1、E3、E5）。专家们认为这些行为是边界协商的表现，即同伴支持者在保持关系温暖的同时，避免了过于指导或否定对方的情况。然而，他们也反对使用模棱两可的鼓励语（如“你应该为自己感到自豪”）、过于泛化的陈述（如“我理解”），或者没有明确总结的突然结束对话的方式，因为他们担心这些做法可能会削弱信任感，导致客户的情感需求得不到充分满足。

专家们提出了改进建议，以提高同伴支持互动的质量、安全性和情感效果。首先，专家强调了使用更温暖、更具肯定性的开场白的重要性，以减少客户的犹豫并鼓励其主动分享信息。例如，E2建议将PS10的开场白从“你今天来找我们有什么事情吗？”改为“你好，欢迎……你的到来很重要”，以此降低客户分享信息的障碍。其次，专家们强调需要适度调整自我暴露的程度和同理心的表达，建议使用简短的“我”或“我们”来表达同情，而不是过度分享个人经历（例如E2），并且在提出后续问题之前先建立更强的同理心基础（例如E5）。这样的表述可以是“我真的很高兴你联系了我们；朋友关系可能会很棘手”，这种方式可以在不突出个人生活的情况下表达同情。第三，专家认为谈话的节奏和焦点非常重要。他们建议放慢建议提供的速度，优先考虑倾听客户的想法，并减少对问题解决的强调。鼓励使用开放式问题、意译客户的表达，并温和地邀请客户进一步阐述（例如E3）。专家们认为，如果过于快地转向问题解决，会限制与客户深入交流的机会。

此外，专家们强调了在同伴支持过程中保持适当距离的重要性，允许客户有时间处理自己的情绪。他们认为，过长或过于 directive 的回应可能会让人感到不知所措，尤其是当客户还没有准备好接受建议时（例如E4、E5）。即使客户需要自我暴露，也应当确保其表述与客户的实际经历紧密相关（例如E6）。这样可以确保支持者的回应不会给客户带来额外的认知或情感负担。最后，专家们强调了有意图且情感处理得当的对话结束方式的重要性。他们建议总结对话中的关键主题，认可客户的情感付出，并表明愿意继续提供支持。例如，E4批评了PS7使用模糊的结束语（如“愿你能得到平静”），认为这样不够贴切；而E4和E6则认为更结构化的结束方式（如明确讨论进展、提供总结、表明愿意后续支持）能更好地维持对话的连贯性和信任感。为了更好地符合同伴支持的原则，E6建议将建议重新表述为以客户为中心的问题，例如“如果你探索自己的优势，这会是什么样的？”。

5.2.2 LLM支持的组件的评估

对SimClient的评估结果显示了专家们对它的不同的看法。在审查的12次会话中，有66.7%被评价为自然。人类相似度和真实感的评分中位数分别为4（IQR = 1.25）和3.5（IQR = 2），如图8所示。

图8显示了研究2中专家对SimClient的评分分布，评分范围是从1（完全不自然）到7（极其自然）。水平堆叠条形图展示了人类相似度和真实感评分的分布情况，每个条形代表一个评估标准，条形宽度及颜色深浅表示每个评分点的评分频率。顶部表示人类相似度，底部表示真实感。专家和同伴支持者的评分一致性较弱（自然度的Cohen’s κ = ?0.24；人类相似度的r = 0.20；真实感的r = 0.18），即使使用了相同的评分标准，仍存在意见分歧。表5显示，12次会话中有11次至少在某个评估标准上存在分歧。同伴支持者普遍比专家更倾向于给予SimClient积极的评价，特别是在人类相似度和真实感等主观维度上，分歧范围从一个到四个评分点。

专家们认为SimClient提到了常见的主题，如学业压力、友谊困难、孤独感以及寻求情感认同的愿望。在整个会话中，SimClient表现得礼貌且有礼貌，经常表达感激之情（例如“谢谢你的倾听”，“你的支持对我来说意义重大”）。专家E1还观察到，SimClient对下一步行动的倾向与现实中寻求具体指导的客户相似。然而，一些专家指出SimClient缺乏真实痛苦时常见的犹豫、抵抗和纠结情绪，反而表现得过于详细（例如E3、E4、E5）。SimClient常常跟随同伴支持者的对话节奏（例如E2、E4），并且在没有充分情感支持的情况下过快地引入多个问题。因此，E2指出SimCard过于依赖认知描述（例如“焦虑”而非情感状态），这让人难以判断SimCard是经历了情感不适还是认知压力。E4还提到，SimCard的回复在复杂度上往往与PS7相似，对详细的输入做出复杂的回应，而对简短的输入则给出简单的回答。大多数专家（n = 5）认为SimCard的回答过于流畅且语法一致，减少了其真实感。E4评价SimCard“过于完美”且过于顺从，而E5则认为它“过于乐于助人”，容易让人觉得问题被轻易解决了。他们指出，真实的客户在这种情况下会更倾向于沉浸在情感中，犹豫不决或抵抗建议，而不是在11分钟内就变得“积极和快乐”。E6同样指出，在与PS6的互动中，SimCard表现得不够真实，会明确提出“你能帮帮我吗？”并迅速接受建议，没有停留在情感上的思考或抵抗。E6预计，真实的困扰客户在11分钟内不会变得如此“积极和快乐”。

在建议方面的评估中，专家们认为SimClient的建议与PFA（同伴支持原则）的契合度略高于中性水平（7分制下平均分为4.1，其中1表示完全不契合，7表示完全契合）。在评估过程中，专家们还参考了研究1中的眼动追踪数据，数据显示有些参与者即使在未采纳建议的情况下也会在视觉上关注这些建议。这被认为表明参与者是有选择性地处理信息的，引发了关于时机和信息相关性的担忧。专家们一致认为，将建议分类为不同的类型是一种有效的辅助手段，尤其是对于经验较少的同伴支持者来说。他们认为这种结构体现了基于证据的实践（例如E1、E5、E6），有助于支持者暂停并考虑其他表达方式。E6还指出，SMI和SER在任何时候都可能有用，尽管SPS通常更适合在对话后期使用，而不是作为开场白。在某些情况下，建议提供的选项比同伴支持者的回答更能体现情感共鸣或与客户的需求相符（例如E4观察到PS7忽略了更合适的建议）。然而，专家也强调有效使用建议取决于支持者的选择性调整，而非机械地采纳，灵活的整合是良好判断能力的体现（例如E5对PS9的评价）。

不过，专家们也指出了建议使用中的局限性。重复是一个常见问题，尤其是在SPS类别中，因为以解决方案为导向的建议可能会在没有先理解或关注客户情感的情况下直接提供解决方案（例如E2、E5）。有些建议只是提供了一般性的同情或鼓励语，但没有与客户的即时需求或语言紧密结合（例如E4）。E2还指出，这给同伴支持者带来了认知负担，他们需要处理多个建议，评估其与情境的契合度，并将其融入自己的话语中，这在时间敏感的情境中可能导致混淆。时间上的不匹配也加剧了这些局限性。E6观察到，建议可能会变得重复或过于静止，在PS6会话中保持不变，而在PS11会话中则趋于泛化。虽然有时会进行更新，但这些更新并不总是与客户的分享内容相匹配。

从定量角度来看，建议的使用与专家的评估结果存在复杂的关系。专家评价为自然的会话中，建议的平均使用率较高（29.58%），而评价为不自然的会话中建议使用率较低（8.14%）。建议的使用与专家评价的自然度呈中等正相关（r = 0.435），无论是直接使用（r = 0.420）还是间接或混合使用（r = 0.308）。然而，建议的使用与专家评价的PFA契合度呈中等负相关（r = ?0.331），特别是对于间接或混合使用的情况（r = ?0.385）。值得注意的是，最低程度的建议使用并未带来更自然的对话体验。

关于情感状态可视化的有用性，专家们普遍认为其作用较为次要，而不是同伴支持者决策的核心。尽管眼动追踪数据显示参与者有时会看向可视化内容，但这些时刻通常很短暂，且发生在对话暂停期间，而非积极的信息生成过程中。大多数专家在不评论情感状态可视化内容时，除非视线偏离特别明显；即使有偏离，也将其视为暂时性的注意力分散，而非有意义的互动。专家们对情感状态可视化持谨慎乐观的态度：虽然只有40%的聊天记录中认为它有帮助，但他们认为这些可视化内容有助于提高情感理解和对话节奏的把控。当确实发生互动时，专家们更看重情感趋势的整体性，而非单一的情绪状态。例如，他们注意到情绪波动的变化可以反映出对话影响的变化，即使情绪整体依然消极。E1指出，情绪波动的减少可能表明对话有所进展；E3则认为顶部指示器的变化可能会影响对话节奏。然而，专家也质疑这些信号的真实性及可靠性，因为与真实的情绪波动相比，这些变化显得过于整齐。当PS7对SimClient的响应不佳时，观察到了这种现象，这种响应本应引起不满，而不是导致情感价值/唤醒度的过度改善。这些问题还因解释性和可用性方面的问题而加剧。E5和E6警告说，未经培训的同伴支持者可能会过度依赖或误解情感标签，可能导致不准确或无效的响应。同时，实时互动的需求引发了E3的疑问，即同伴支持者是否能在持续对话的同时有意义地参与可视化处理。因此，建议集中在提高可解释性和整合性上。提出了几项改进措施，包括使用更简单的术语（例如，用“压力水平”代替“情感价值”）、更清晰的情感标签（例如，“愤怒、恐惧”）、更直观的布局以及风险指标（E1、E2、E5、E6）。对于真实客户，E2和E4建议结合使用多个数据点，如生理数据、按键模式或注视数据，但强调这些指标需要通过系统反馈进行基线校准并不断改进。

总体而言，这些发现表明专家认为当前的情感状态可视化实现更多地是作为环境线索，而不是可操作的工具，其价值取决于可解释性、有效性和与对话流程的整合。

5.2.3 对系统设计和培训的影响

系统设计考虑：专家强调，在这类由大语言模型（LLM）支持的系统中，系统层面的设计选择极大地影响了同伴支持者的互动行为和认知负担。虽然SimClient、建议功能以及情感状态可视化等工具被认为很有前景，但它们的当前配置需要改进，以更好地符合同伴支持的原则。对于SimClient，专家指出了需要更加类人和真实的行为多样性。当前的互动被认为是过于清晰、情感表达受限且高度合作的，这限制了同伴支持者练习管理犹豫、模糊性和抵抗的机会，从而减少了在犹豫或情感不确定时保持空间感的机会，并产生了不自然流畅的对话流程。为了解决这个问题，专家建议引入更大的行为变异性，包括非强制性的情感表达、话题转换和选择性抵抗。例如，E1建议加入自发的表达，而E6则强调放慢回复节奏以引入对话摩擦。专家还强调了将SimClient建立在更连贯和类人的轮廓中的重要性，例如通过性格特征、形成性经历和较少修饰的语言模式。

对于建议功能，关注点集中在重复性、时机和认知负担上。专家指出，同时显示多个建议类别要求同伴支持者在情感压力下评估相关性、时机和措辞，增加了认知需求。与其增加选项数量，专家建议根据对话阶段来顺序提供建议，提前突出同理心响应，并更加谨慎地引入解决问题的提示。他们还建议允许用户控制建议的生成时机，在单一类别内提供多种表达变体以支持更灵活的整合，并在单一类别内提供重新措辞的支持。

在界面层面，专家指出了更好地支持同伴支持者的定位、角色清晰度和情感意识的机会。例如，E1建议使用不同的颜色或标签来帮助同伴支持者在需要时区分多个客户，而其他人则更广泛地强调了强化同伴支持者的非专业角色，这种角色是提供情感支持而不是正式的治疗干预。诸如检查与SimClient情感状态的一致性之类的机制被视为在不越界的范围内保持共鸣的方式。

最后，为了减少同伴支持者的倦怠感并支持他们的情感调谐，E3建议将不显眼的情感追踪工具（如打字模式和消息内容）扩展到同伴支持者。E4补充说，如果经过仔细验证并不断改进，整合随时间变化的情感值等元素可能是有价值的。这可能使AI系统不仅能够支持客户的福祉，还能支持同伴支持者不断演变的情感和认知状态。

6 讨论

6.1 人工智能作为合作伙伴：平衡支持与自主性

我们的发现突显了将大语言模型整合到同伴支持中的潜力和局限性，特别是在结构化指导和进行真实、情境敏感的互动所需的对话灵活性之间的紧张关系。参与者认为建议功能加强了培训原则，在不确定时期增强了信心，但也报告了在阅读、评估和调整提示时增加了认知负担。不准确或延迟的建议尤其具有破坏性，有时会削弱关系的即时性。这些动态可以通过情绪劳动的视角进一步解读，Hochschild [21] 将情绪劳动描述为调节自己的情绪同时对他人情绪的响应。在以关怀为导向的环境中，这包括识别、保持空间感以及对他人情绪状态的敏感响应[65]。同伴支持者必须维持同理心，管理对话节奏，并在系统干预改变注意力需求时保持情感空间。因此，AI的支持可能会转移而不是减少工作负担。

在AI支持的协作写作中也观察到了类似的紧张关系，用户需要在提供支持和保持真实感之间找到平衡。一些参与者指出，虽然建议功能在概念上很有帮助，但他们更喜欢基于经验的表达方式，并对情感语气和意图有更大的控制力，这与AI辅助写作中关于“双重工作”的研究结果相呼应[24]，这些研究强调了需要改进时机和框架。人们担心逐字采用AI提示可能导致“机器人对机器人”式的互动，进一步突显了真实人际连接的风险。

未来的系统可以通过在特定对话阶段限制建议或允许手动触发来采用阶段性支持，使AI能够在对话深入时调整其角色。初始阶段可能侧重于建立融洽关系，而后面的阶段可能侧重于解决问题或情感确认。信心或情感语气线索可能进一步支持相关性，前提是它们保持自主性并促进通过深思熟虑的实践来学习[41]。参与者还更喜欢模块化的、内联的提示，而不是全文替换，并重视对建议刷新的手动控制，这与之前关于人机协作的研究[73]和改写用户响应的研究[72]一致。此外，还提出了根据经验水平区分支持的建议，为新手提供更直接的提示，为有经验的支持者提供更精细的提示。

6.2 标准与不匹配：弥合同伴支持和专业实践之间的差距

我们的研究揭示了同伴支持实践与专家标准之间的紧张关系，突显了同伴支持领域的碎片化特征。尽管同伴支持者展示了肯定和建立融洽关系的能力，专家指出了在节奏控制、保持空间感以及倾向于提供建议方面的不足，反映了不同的关怀模式。这些紧张关系因定义上的模糊性而加剧。在我们的研究中，尽管生活经验并不总是先决条件，但同伴支持涵盖了多样的角色和方法，导致了协议和边界的差异。研究1中的参与者自认为是同伴支持者，但他们的行为被专家编码为“错误”（例如，指令性建议），但在同伴支持情境中可能是适当的。例如，自我披露或实际性的查探被专家批评为不匹配、无关或甚至像冒名顶替者，但在同伴支持情境中可以促进团结和可访问性[78]。相反，快速的问题解决虽然表面上显得关注细致，但如果重新审视或用来鼓励寻求帮助，则可能被认为是有用的。

此外，同伴支持者通常比专家更倾向于SimClient，但在评估标准上存在分歧（表5）。这些分歧不仅反映了不同的期望，也反映了不同的关怀和成功标准。从这个角度来看，我们的系统可以作为一个诊断工具，揭示同伴支持定义的分裂和标准的分歧，有助于构建更符合情境的框架。由大语言模型支持的系统可以通过培训提示、伦理提示或实时升级标志来揭示这些差距，并支持更精确的响应，特别是在缺乏专家监督的非正式环境中。然而，这样的干预必须基于当地和文化背景，例如通过与同伴支持者和专业人士的微调和共同设计。

这些不匹配还受到同伴支持和专业实践中情感表达和沟通规范差异的影响。专业框架通常优先考虑明确的情感表达、反思性倾听和持续的情感探索，这些框架基于广泛制度化的治疗沟通模式。许多这些模式，如认知行为理论[2]和动机性访谈[55]、辩证行为疗法[43]，源自西方心理学传统，并通过培训和认证结构得到形式化，这些结构影响了支持质量的评估方式。相比之下，同伴支持可能更重视关系的连续性和即时性以及实用的关怀形式。这种差异在我们的当地环境中尤为明显，因为在我们的文化中，情感克制和间接性受到高度重视，导致情感通过隐含的方式表达，而不是通过明确的情感披露。在这种框架下，如提供建议或简短的查探等行为可能被专家视为过早或不够探索性的，但在同伴支持情境中却是可访问和符合情境的关怀表达。相反，来自同伴支持者或建议的更广泛的情感确认形式，虽然符合专业标准，但在同伴支持情境中可能被视为过于冗长或与SimClient的即时需求不匹配。观察到的分歧可能反映了在专业培训的制度和认知起源方面的不同规范期望。

6.3 设计逼真、响应迅速且富有支持性的系统

两项研究中的参与者都强调了需要更具情感真实性和关系复杂性的模拟。虽然SimClient表达了可关联的担忧，但它缺乏现实世界情感困扰的模糊性、抵抗性和对话的不规则性。研究1的定量分析显示消息节奏的同步性较弱（r = 0.18），表明相互调整或扩展性支架有限。专家进一步批评SimClient过于顺从、话题浅显且语法过于完善，与人类相比，这限制了练习修复、设定界限或应对抵抗的机会。尽管如此，像SimClient这样的受控模拟对于培训仍然很有价值，为技能发展提供了一个一致且安全的环境。一位参与者在与SimClient互动后报告了重新获得的志愿服务动机，这突显了设计良好的模拟的价值。未来的改进包括一致的个性轮廓、脚本化的困扰行为、情感断续性、表情符号或省略号等特征，以及逐步增加的复杂性。专家指导的模拟设计[46]和情感及人口统计特征的多样性可能进一步增强真实性[87, 89]。基于文化的举止，包括当地的情感表达规范[86]，仍然是必不可少的。关系分析框架，如Li等人的研究[39]，可以帮助模拟和评估同伴支持者与LLM模拟客户之间不断发展的联盟。

参与者对情感状态可视化持有混合看法。虽然一些人提出分层（包含多种同时发生的情感）或动态模型来捕捉同时发生的情感，但许多人主要依赖文本线索。专家警告说，整合不佳的指标可能会被“利用”，增加认知负担并分散对关系参与的注意力。尽管心率变异性（HRV）分析的结果不明确，生理信号对于理解情感调节仍然很有前景[19, 29, 50]，特别是在多模态解释同伴支持者如何在关注受困扰客户时调节情感方面。鉴于自我调节能力差可能导致互动质量下降，未来的工作可以考察和谐或破裂是否与自主性变化相一致，从而提供对情感劳动和互动质量的更深入见解。

6.4 关键设计挑战

6.4.1 人类与AI的身份

当低质量的支持被视为AI生成的（例如，E4怀疑PS7）时，这反映了“反向图灵”现象[69]。这表明，对话质量而非表面的精致度可能影响对人类或机器相似性的判断。尽管SimClient在本地模拟了对话的详细程度，但整体同步性的不足引发了一个问题：在模拟过程中，是应该更注重模仿人类的多样性，还是稳定性更重要。虽然自适应的模拟旨在促进双方的一致性，但有时它可能会固化无效的同伴支持模式，或者掩盖关系中的不对称性。未来的研究应该探讨人类之间的互动何时有可能被错误地归类为人工智能驱动的，以及这种错误分类如何影响人们对同理心、能力和信任的感知。随着大型语言模型（LLMs）越来越多地融入支持性场景中，理解人工智能的响应方式如何影响人们对其专业能力的认知以及人际关系的质量将变得至关重要。

6.4.2 真实性与关系联盟
建议中突然的情绪或节奏变化可能会因为情感线索的减少而破坏关系联盟。我们的设计允许直接插入建议，这可能通过鼓励更加事务性的互动风格而加剧了这一风险。在我们的研究中，即使建议的使用量很少，专家们对对话自然度的评价也没有提高。尽管我们的设计有意使用模拟客户来确保安全性和可比性，但这也意味着我们无法考察真实的求助者会如何解读这些变化，或者人工智能辅助的表述方式如何影响他们的信任感、对同理心的感知，以及他们愿意暴露自己困境的意愿。这些考虑突显了真实性、信任和关系连贯性是未来人工智能中介的同伴支持系统必须明确解决的核心设计问题。

6.4.3 信任与顺从
虽然建议提供了支架和指导，但是过度依赖它们可能会削弱同伴支持者的自主性，并抑制学习过程。自信的展示可能有助于建立信任和安心感，但必须经过良好的设计[41]。此外，研究表明，对这些系统的信任也受到领域专业知识和先前经验的影响[83]，因此需要进行纵向研究来探讨它们对接受度、信任和学习轨迹的影响。

6.4.4 融洽感与指导
建议中的过于正式或脚本化的提示有时会妨碍建立融洽感，导致一些人因为感觉到情感上的脱节而避免使用它们。这反映了同伴支持者在面对看似刻板或缺乏同理心的人工智能回应时所感受到的不适[88]。适应语气变化的线索、社交信号和非正式的停顿可能更能支持真实感[3, 88]。未来的研究应该探讨人工智能生成的建议如何在不同对话阶段进行调整，求助者如何感知和回应这些建议，以及人工智能是否能够智能地调节其在对话中的指导方式。纵向研究还可能揭示人工智能辅助的融洽感建立是否能够随着时间的推移持续增强信任和参与度。

6.4.5 真实性与多样性
SimClient在人格和情感表达上被设计得相对统一，这有助于保证可比性和安全性，但同时也可能限制了在面对不同类型的客户时练习适应能力、文化敏感性和建立融洽感的机会。未来基于LLM的模拟客户的研究应该反映多样化的感情表达和人口统计特征（例如年龄、性别、文化或情感风格），以避免强化狭隘的互动模式[87, 89]。将响应基于人格特征[52]并整合多模态行为[81]可能会增强真实感和技能转移。

6.4.6 支持与认知负担
应用认知负荷理论[82]，我们的研究发现表明，建议往往增加了额外的认知处理负担，而不是减轻了参与者的工作量。姗姗来迟或过于详细的提示会分散人们对情感校准和关系响应等关键过程的注意力。有用性在很大程度上取决于对话的阶段：同伴支持者报告说，建议在互动初期最为有帮助，但随着对话的进展，它们可能变得重复或不再协调。专家观察到，以解决方案为导向的提示往往过早出现，可能会导致沟通不协调或指导过于急迫。

先前的研究也表明，结合模拟练习和结构化反馈的基于LLM的培训系统比单纯的练习更能有效地支持技能发展[6, 23, 47]。例如，CARE研究表明，反馈可以提高新手的同理心和反思能力，而缺乏反馈的练习可能导致同理心表达的下降[47]。综上所述，虽然实时的建议可能很有价值，但它们的有效性高度依赖于具体的使用阶段，某些形式的反馈可能更适合用于准备阶段或会话后的反思，而不是持续的在场提供。需要进行纵向研究来评估人工智能是否能够减轻认知负担、减少情感劳动，或者随着时间的推移重塑同伴支持者的学习路径。

7 限制因素
有几个限制因素影响了我们研究结果的生态有效性和可解释性。首先，研究环境与现实世界的同伴支持场景不同。聊天界面缺乏常见的消息功能（如表情符号、输入提示、自动完成、重叠的对话线程等），这可能降低了互动的自然感，并限制了参与者处理模糊性、干扰和并行对话的能力。研究1是在一个受控的实验室环境中进行的，每次只发送一条消息，这可能减弱了与现实世界情境相比的情感反应性和认知负担。其次，使用模拟客户（SimClient）引入了重要的真实感限制。虽然参与者发现这些困境叙述具有共鸣性，但SimClient顺从且过度精致的对话风格减少了情感上的模糊性，限制了建立共鸣和提供空间的机会。更为严重的是，因为研究1没有真实的求助者参与，我们无法评估人工智能辅助的回应如何影响接收者对同理心、信任、关注度或情感共鸣的感知，这是生态有效性的一个关键限制。这也带来了风险：如果支持者过度依赖建议，可能会削弱人工智能与人之间互动的真实感、情感劳动的归属感，以及原本期望的人类参与模型。

第三，建议的设计缺陷影响了互动模式。建议通常会替换整个消息，而不是提供模块化或内嵌的支架，这限制了参与者在不覆盖原有内容的情况下改进自己表述的能力。延迟有时会导致参与者提前构思回应，从而限制了他们与人工智能辅助的互动。因此，我们的研究结果可能低估了在实践中更加互动或适应性更强的支持形式的效果。第四，专家评价的解释受到同伴支持领域 fragmented（此处可能意为“碎片化”或“不完整”）的现状限制。同伴支持缺乏统一的标准，培训、监督和组织期望存在很大差异。正如Sim和Choo[76]所建议的，目前还不清楚负责同伴支持项目的工作人员是否需要接受同伴支持原则（PFA）或其他原则的培训，或者他们仅仅是操作和行政工作的一部分。研究2中的心理健康专业人士是接受过形式化的心理社会培训的，而不是专门的同伴支持实践培训。因此，他们的评价应该被视为基于治疗沟通规范的结构化视角，而不是衡量同伴支持质量的绝对标准。

第五，情感状态的可视化工具有时被误解或利用不足，限制了它们在支持情感调整方面应有的作用。参与者的反馈表明，在危机情况下可能需要其他形式的表示或显著性机制。最后，研究1的短期性质限制了我们对技能发展、情感劳动和长期效果的洞察。我们也没有设计这项研究来预见到某些会话中出现的反向图灵现象（即人工智能与人类回答的相似性）。虽然该系统设置在反映当地同伴支持规范的东南亚背景下，但研究结果可能不适用于对情感表达有不同文化期望的地区。

8 结论
随着心理健康系统面临日益增长的需求和有限的资源，人工智能支持的同伴支持既带来了潜力，也带来了复杂性。大型语言模型为支架化情感细腻的护理工作提供了新的可能性，但也引发了关于真实性、情感劳动和角色边界的争议。通过两项研究，我们探讨了LLM支持的组件——包括模拟的困境客户、实时建议和情感状态可视化——如何影响同伴支持实践。我们的发现表明，虽然这些工具可以增强信心、引导反思并支持对话流程，但同时也暴露了同伴支持者的实践与专家期望之间的不一致之处。这些不一致性凸显了需要基于心理学的、具有情境敏感性的支架，而不仅仅是通用的自动化措施。我们认为，大型语言模型应该被视为同伴支持者的协作伙伴，而不是替代者，它们应该增强同伴支持者在同理心、响应能力和反思实践方面的能力。这项研究通过突出在与人工智能系统协调过程中涉及的互动劳动，以及揭示了多种支持质量标准在实践中如何共存和冲突，为这一讨论做出了贡献。因此，未来的系统必须重视对话的适应性、文化的贴近性以及情感上真实的模拟，并通过与同伴支持者和专家的纵向评估和共同设计来加以改进。

更广泛地说，我们的工作为HCI（人机交互）和数字心理健康领域的持续讨论做出了贡献，这些讨论关注人工智能如何负责任地支持敏感的情感情境。挑战不仅在于人工智能能做什么，还在于如何设计它以维护人类关怀的情感和伦理复杂性。

致谢
本研究得到了新加坡教育部的支持，具体是通过SUTD Kickstarter倡议（SKI 2021_04_08）资助的。本材料中表达的任何观点、发现、结论或建议仅代表作者本人，并不代表新加坡教育部的立场。我们感谢审稿人的宝贵反馈和建设性建议，这些都有助于完善我们的工作。我们同时也非常感谢参与者的时间和经验分享，以及他们坦诚的反思。