什么是“对话式”技术、产品和服务中的“对话性”特征？来自对话分析的见解

《Annual Review of Applied Linguistics》：What is “conversational” about conversational technologies, products, and services? Insights from conversation analysis

　　摘要：“对话式”技术、产品和服务如今比以往任何时候都更受关注。但“对话式”到底意味着什么呢？我们通过六十年来对话分析领域的实证研究来探讨这个问题，这些研究已经识别并描述了人类社会性的基础结构和互动机制。我们不仅考虑了“对话性”这些隐性概念如何体现在技术、产品和服务中（如角色扮演、沟通训练和聊天机器人），还考虑了研究方法论（如焦点小组、半结构化访谈和实验室研究）——所有这些方法很少关注研究者与参与者之间的互动如何影响收集到的数据。以不同机构环境中的多种实例为依据，我们探讨了这样的技术能否以及应该如何利用“对话”来再现“自然”的互动方式，并且提出在这个背景下，什么才算得上是“自然”的对话。我们认为，如果以人类的对话方式作为基准，那么人类自身将无法通过基于规范而非实证的理解来评估社交互动的过程。

引言：“对话式”技术、产品和服务如今比以往任何时候都更受关注。但在这种背景下，“对话”到底指的是什么？许多人用“对话式”来描述那些利用了自然社交互动特征的行为和反应，应用场景从沟通训练中的角色扮演到语音助手和聊天机器人都包括在内。所涉及的特征差异很大，从对话分析师和语言学家所称的社交互动的“机器”（参考Sacks 1989）或“引擎”（参考Levinson, Enfield和Levinson 2006）的方面，到更为“模糊”和难以定义的概念（如“积极倾听”或“融洽关系”（参考Rubin 2016, 第9页）。“融洽关系”虽然受到了学术界的关注，但在流行心理学和以实践为导向的沟通文献中更为常见（参考Cameron 2000；参见Strietholt & Petron 2025）。由此，“沟通技能”的培训和评估直接依赖于“对话”概念（尽管根据对话分析和应用语言学的观点，这种依赖是表面的而非基于实证的，参见Sikveland等人2022年的研究）。培训和评估协议往往包含对“好”的沟通的刻板或规范定义，而不是基于人们实际互动方式来制定评估标准（参见Stokoe等人2024年，以及Albert, Buschmeier和Stommel 2024年的研究），这对被评估者来说可能存在问题（例如Atkins 2019年；Wass等人2003年，以及Roberts, Hoogenboom, Jones和Van der Vleuten 2003年的研究）。在TESOL及相关领域，虽然第二语言能力的评估主要基于第二语言知识，但为了参加能力测试，考生实际上展示了他们在互动中的运用能力（例如Okada 2010年），然而这种能力本身并未受到评估。另一个“对话”被应用的领域是研究数据的收集，无论是定性还是定量研究。例如，焦点小组和各种类型的访谈都是基于社交互动的。然而，尽管学术界普遍认可研究者与参与者之间的互动具有显著的互动性质（例如Holstein & Gubrium 1995年；Prior 2018年），以及所收集数据的人为性（例如Potter & Hepburn 2007年），但研究者提出的问题往往不会被记录在出版物中。即使研究者的一些陈述被包括在内，他们的参与方式等互动细节也很少被记录下来（例如Thornberg等人2013年），除非研究的重点本身就是访谈互动本身（参见Wieder 1988年）。实验和实验室研究在利用对话时，对研究者与参与者之间的互动及其对“硬数据”收集的影响几乎不予考虑（参见Dingemanse等人2023年；综述参见Stokoe等人2026年；Wooffitt 2007年）。换句话说，正如Kasper和Ross（2018年，第415页）所说，“方法的社会生活”以及“社交现象如何实时构成的黑箱”经常被排除在产生和报告新知识的过程中——即使在当今开放数据、开放科学和透明度的时代也是如此。要真正理解这些现象，就需要“重新定义”研究领域和主题，并在产品、服务及过程中突出互动现象，尽管这些现象依赖于互动本质，但在实证研究中却常常被忽视。随着人工智能工具的普及，技术专家和研究人员正在使用大型语言模型（LLMs）与用户互动（例如Shareef 2024年），收集和分析大规模研究数据（例如Geiecke & Jaravel 2024年），以及跨领域和角色进行沟通训练和评估（例如Elhilali等人2025年）。数十年来，对话分析领域的实证研究（以及话语心理学和语言学等相关领域）已经识别并描述了人类在各种互动环境中的社会构建实践。在本文中，我们通过具体例子来批判性地审视产品、服务和技术中利用的“对话式”特征，以及支撑“良好”对话概念的（通常是隐性的）假设和衡量标准。那么，“对话”是如何以及在哪里被利用的呢？为了剖析“对话”这一概念，我们必须从更基本的角度出发，了解“对话”是什么，以及它发生在哪些生活场景和领域中。在本文的背景下，以及我们来自对话分析领域的贡献中，对话与社会互动是同义的。社会互动是“社会生活的基本或原始场景……通过它，社会机构的运作得以实现”，包括“自然语言的发展、使用和学习的环境”（参考Schegloff, Hovy和Scott 1996年，第4页）。正如Drew（2005年，第74页）所继续指出的，对话是“原始的”，因为“所有形式的社会组织都在不同程度上通过人与人之间的对话来管理”，并且“所有其他形式的（例如制度性的）互动都是普通对话的转化”。

对话分析（CA）是一个已有六十年历史的观察性“累积科学”领域（参考Stokoe 2021年，第348页）。它既是一种捕捉、转录和分析自然发生的社交互动的方法，也是一种关于人类社会性的理论，该理论认为社交互动的系统组织是社会生活和机构的基础（例如Heritage和Turner 2009年）。通过对自然发生的互动进行音频和视频记录（即“野外”互动），CA使用两种标准化的技术系统（Jefferson和Lerner 2004年；Mondada 2018年）来转录言语和行为的具体细节——词语、短语、语法、非词汇项目、停顿、重叠、手势等——所有这些共同构成了社交互动的序列。也就是说，CA收集、转录并分析的数据通过了Potter（2002年，第541页）所说的“死亡的社会科学家测试”。也就是说，其焦点在于捕捉那些不是为研究而设计、不是模拟的、不是通过实验产生的，也不是在访谈、焦点小组或调查中事后报告的事件。尽管这是一个成熟的研究领域，但作为研究主题的“对话”与其他科学研究对象有所不同。例如，黑洞的存在是为了让人类理解，而对话的存在仅仅是为了让人类理解（参考Stokoe 2018年）。作为人类，我们在参与社交互动之前“不需要参考教科书”（参考Silverman 1998年，第86页）。我们每个人都有毕生的经验可以借鉴，并可以利用这些知识来反思我们参与的对话。然而，当被问及对话是如何进行的时，尽管我们对其非常熟悉，但实际上人们之间如何互动（从实证角度来看）与人们如何描述、反思或想象社交互动的方式之间存在差距。虽然类似的差距是社会心理学和行为科学的研究重点（例如意图-行为差距，参见Sheeran和Webb 2016年），但这种差距是独特的。就像走路一样，这是大多数人无需了解肌肉骨骼系统和神经系统的工作原理就能完成的普通活动（例如Capaday 2002年），说话既普通又似乎不需要专业知识就能理解或运用。然而，这往往导致各种产品的开发，这些产品要么隐含地利用了对话（例如诊断工具、标准化的实验指导、焦点小组数据收集、法律条文），要么明确地将其商品化并加以评估（例如沟通技能训练、指导、评估工具）。我们认为，在这两种情况下，它们的开发很少会基于真实的对话来进行审查。这意味着，例如，诊断工具和实验指导中的语言表述（包括语速、韵律、伴随的手势等），或者在警方证据收集访谈中的表述，虽然每次都应该以相同的方式呈现，但事实上却存在显著且令人担忧的差异（例如Antaki和Rapley 1996年；Gibson 2013年；Richardson等人2019年）。同样，像沟通技能训练、指导和评估工具这样的产品，经常推荐诸如“融洽关系”、“积极倾听”、“同理心”、“开放式提问”等实践，但这些实践往往被不准确或不完全地规定（参见Sikveland等人2022年）。一个更常见的例子是新闻标题中的表述，如“不要问‘你好吗？’这里有成功人士赢得他人喜爱和信任的方法”（CNBC，Van Edwards 2025年）。在这篇文章中，Van Edwards指出：“在任何互动开始时，最糟糕的问题是：‘你好吗？’”，并解释了原因并提供了替代方案（例如“问：‘最近有什么重大成就吗？’”）。然而，这样的说法并没有实证依据。事实上，许多对话分析研究已经发现了“你好吗”这种提问在表达方式、时机等方面的系统模式，并展示了当这种提问不存在时的影响（例如Schegloff 1968年）；在制度性互动中（例如医生与患者的互动，参见Robinson等人2011年）；当这种提问被省略时（例如Enfield和Sidnell 2023年）；当这种提问没有得到回应时（参考Stokoe 2018年）；甚至当它被用来请求紧急帮助时（参考Stokoe和Richardson 2023年）。即使研究结果被应用于“对话式”产品中，解释和理解的差距仍然存在。随着大型语言模型（LLMs）在许多普通生活和制度生活领域的广泛应用，对话性变得更加重要。2024年，OpenAI引用了Stivers等人（2009年）的研究，这项关于轮流交谈的现代经典研究使用了十个语言群体的大规模混合方法研究，表明尽管“人类学文献”报告了普通对话中轮流交谈时间的文化差异，但实际上“对话中反应延迟的模式存在显著的普遍性”（第10587页）。语言之间的轮流交谈时间差异比人们普遍认为的要小得多。十五年后，该文章的一位作者在社交媒体LinkedIn上发文称：“我们的2009年关于轮流交谈时间的论文被引用在GPT-4的发布中，这让我们感到荣幸”（Rossano 2024年）。然而，OpenAI将平均250毫秒的轮流交谈时间间隔视为“需要达到的基准”，而不是需要解读的信号，忽略了“延迟和重叠的谈话都有其意义”这一事实（Rossano 2024年）。正如在加州大学（CA）的一篇基础论文中指出的（截至撰写本文时已有约2.8万次引用），关于“最简单的轮流对话系统”（Sacks等人，参考文献Sacks, Schegloff和Jefferson1974），轮流对话的节奏及其变化方式——包括延迟、沉默和重叠——是实现、增强和微调对话流程的基本要素。从对话分析（CA）的角度来看，这包括偏好组织、渐进性、行动形成、一致性、关联性和维持主体间性等方面。换句话说，它还涉及到理解、热情、烦躁和紧迫感等情感状态——尽管没有直接使用“我理解”、“我很热情”或“这很紧迫”这样的表达。作为名词的“对话”一词，在科学研究中看似简单易懂，但实际上蕴含着复杂的意义。我们将在下一节探讨它如何作为形容词被使用。“对话式的”这一概念有着悠久的历史；牛津英语词典最早在1799年就记录了这个形容词的用法，其含义是“乐于交谈的；擅长对话的；具备良好的沟通能力的”。这个词的使用频率自20世纪60年代以来有所增加。除了与语言技能和评估相关联（例如，“她的英语表达流利且适合对话”）外，近年来其使用率的上升可能与科技的进步密切相关。事实上，维基词典甚至将“对话”定义为“客户端与服务器之间的双向信息交换”。从这些同义词中我们可以看出，许多科技公司都特别强调了他们对“对话式”概念的理解。在技术领域，“对话式”通常指一种非正式和友好的沟通方式，这种风格通过感叹号、俚语、表情符号和语法缩写等手段来体现。ChatGPT表示，“对话式”的沟通应该是“自然、吸引人且像人们在日常生活中交谈一样”的（OpenAI，2026年）。作为来自学术界和工业界的合著者，我们都考虑过如何在对话分析和对话设计之间找到有益的结合点（参见Pearl，参考文献Pearl2024；Stokoe等人，参考文献Stokoe, Albert, Buschmeier和Stommel2024）。2018年，其中一位作者（Stokoe）曾在Typeform这家在线表单制作和调查工具公司担任行业研究员。与传统的“一堆白色矩形框构成的界面”不同（Olson，参考文献Olson2015），Typeform会逐个逐条地呈现问题。首要任务就是弄清楚“对话式”究竟意味着什么，以及如何将其应用到产品设计中，尤其是如何将促进对话的机制融入Typeform的平台和产品中。最初的研究方向是探讨人们如何将这种非正式方式转化为实际的社会互动。

为了说明对话分析在理解对话应用中的价值，我们参考了Heritage（参考文献Heritage, Maynard, Houtkoop-Steenstra, Schaeffer和van der Zouwen2002）关于新妈妈出院后健康访视的研究。专业健康访视者的关键任务是根据预先打印的表格收集标准化信息（见1a），该表格包含关于家庭情况、怀孕状况等内容的空白字段。Heritage指出，这种表格“为护士们提供了机会，让他们在不受调查方法限制的前提下，自由设计问题”（第314页）。她的分析展示了表格中的各项内容如何被转化为具体行动并组织成序列（见1b）。Heritage观察到，他们设计的问题并不传统，而是遵循两个原则：“优化”，即倾向于引导出“最佳情况”、“正常”或“无问题”的回答；以及“接收者导向”，即根据接收者的具体情况以及提问者和接收者当时的互动状态来调整问题（第321-322页）。她的研究展示了人们如何将这种非正式的结构转化为针对特定接收者的问题，以实现信息收集的实际和制度性目的。类似的例子还有很多，例如Flinkfeldt等人（参考文献Flinkfeldt, Parslow和Stokoe2022）研究了电话中获取客户邮箱地址的常规流程。在Typeform中，实现“对话式”沟通的方式包括通过设计变更，将“What’s your name?”（你的名字是什么？）这样的问题改为“What’s your name? and your email?”（你的名字是什么？你的邮箱呢？），如图2所示。图1(a)显示了健康访视者的表格，图2展示了对话的转录内容。

从序列组织的角度来看，提取2包含了一个简单的“相邻对”：第一部分是问题（S的提问），第二部分是回答（C的回应）。这两部分构成了信息收集的基础序列。而在提取3中，S首先提出了一个“前置序列”（即预请求），这个序列暗示着如果得到积极回答，会进一步采取某些行动；否则可能不会采取任何行动（Fox，参考文献Fox2014，第41页）。对话分析的研究发现，有时“基础请求”根本不会发生，人们会使用其他语法和顺序手段来表达请求。例如，在客户拨打度假公司电话的案例中（见提取4），销售代表识别出了这是一个前置序列。从客户的话语中可以明显看出她的沟通目的（即“我正在尝试预订预订”）。为了理解大型语言模型（LLM）如何处理这类前置序列，我们对比了两个例子：在提取5a和5b中，聊天机器人未能正确识别用户的意图。在这些例子中，聊天机器人不仅误解了用户话语的含义，还未能将其视为前置序列。例如，在提取5a中，它建议用户通过银行网站的其他方式或再次打电话进行咨询；而在提取5b中，聊天机器人要求用户重新输入信息。由于用户实际上没有邮箱，这表明聊天机器人的回应并不恰当。相比之下，在提取6中，聊天机器人正确解读了用户的意图，并给出了合适的回应，从而建立了双方之间的联系。

在Typeform中实现这些观察结果时，首先将“What’s your name?”和“and your email?”这样的问题序列通过设计变更结合起来（见图2）。通过这种改变，信息收集变得更加自然流畅。这种“对话式”序列的设计改变了用户体验。然而，评估实践与会话分析的一个基本原则形成了鲜明对比：在该原则下，分析师对参与者互动的“质量”保持“中立”或不可知的态度。部分原因在于，在会话分析中，对话被视为类似于海滩上的鹅卵石——没有“好”或“坏”的鹅卵石，但存在决定它们不同特性的地质学原理。因此，分析的任务是描述互动本身，而非对其进行评价。近期的一个案例揭示了这种“分类错误”（Ryle，参考文献Ryle2009，第6页）的核心问题，该案例通过会话分析的视角来思考这些问题。谈到一篇名为《大型语言模型在多轮对话中迷失方向》（Laban等人，参考文献Laban, Hayashi, Zhou 和 Neville2025）的预印本研究论文时，一位与AI代理合作的技术创始人写道：“这是当今在使用大型语言模型时最常见的问题之一”（Gonzalez，参考文献Gonzalez2025）。总结这篇论文的主要发现，这位创始人列举了大型语言模型“迷失方向”的几个原因，包括在对话初期就做出“过早且常常错误的假设”、在未获取所有必要信息之前尝试“提供完整解决方案”，从而导致“冗长”或偏离主题的答案，以及产生“过度冗长的输出”，这可能会进一步混淆对话情境并使后续互动变得混乱。作者针对这些问题提出了一些基于提示设计的解决方案，认为这些行为都是互动中的不良表现，也是大型语言模型的失败之处。然而，所描述的问题同样也可能出现在人与人之间的互动中。请看摘录7和摘录8，它们分别来自两个不同的销售场景：摘录7展示了一位销售人员为了在通话结束时预约会面而“cold-calling”另一家公司；摘录8则记录了一通来自一家窗材销售公司潜在客户的通话开始部分。在这两个案例中，我们都可以认为这些互动没有通过针对大型语言模型的评估标准——要么是因为在对话初期就做出了“过早且错误的假设”（摘录7），要么是因为产生了“过度冗长的输出”，从而“混淆了对话情境并使后续互动变得混乱”（摘录8）。尽管人类在产生冗长语言或造成混乱时使用的互动方式与大型语言模型不同，但这并不意味着这些是“对话能力的失败”——即使我们可能认为这些对话“不好”。会话分析已经识别并描述了支撑所有对话的稳健、系统化的互动机制。这意味着，即使互动中充满了误解、有害甚至危险的情况，参与者在运用这些互动机制时本身并没有“犯错”。这种视角使我们摆脱了“对话能力程度”的概念，更广泛地说，也避免了将人类或非人类类别归类于对话参与者，而是促使我们重新思考在任何特定产品或服务中什么是真正的“对话能力”。在面对大型语言模型和其他日益复杂的交互式用户界面的背景下，我们必须寻找不同的标准、基准和框架来评估它们的“对话能力”（Albert等人，参考文献Albert, Housley, Sikveland 和 Stokoe2025）。

**总结性评论：**
在本文中，我们试图探讨在不同情境下“对话”的含义，特别关注其对人工智能增强型产品和服务的影响。我们的所有例子都表明，人与人之间的互动充满了共同构建行动的机会。这可能通过接收者设计的特征（如预序列）或“认知引擎”的机制（Heritage，参考文献Heritage2012）来实现，例如那些表明知识不足的非流畅性表达。在最后两个案例中，尽管人类说话者的行为可能会被那些定义“良好”大型语言模型互动标准的人视为负面示例，但我们看到的不仅仅是参与者试图提出请求的过程，还包括他们对话设计中的各种其他组成部分——其他动作、修复尝试、暂停等——接收者通过这些可以了解到参与者的身份、他们的知识储备、需求等。这些特征与大型语言模型的回应不同，后者往往是独立完整的句子、精心打磨的回答，或是旨在寻求回应的典型信息询问。对话技术的发展步伐持续加快。本文以及其他相关研究（包括关于会话分析和对话技术的专题研究，参见Stokoe等人，参考文献Stokoe, Albert, Buschmeier 和 Stommel2024）似乎只能标记一个具体的时间点。然而，我们认为社会互动的机制——那些“没有它们就无法进行的互动基本规则”（如行动形成、轮流发言、问题修复、序列组织、词汇选择和结构组织：Schegloff，参考文献Schegloff2007，第xiv页）是稳定的。这些基本规则——我们还可以添加关于参与者在序列化活动中展示和管理的“相对知识权利”的概念（Whitehead等人，参考文献Whitehead, Stokoe 和 Raymond2025，第38页）——为评估任何形式的“对话能力”提供了依据。通过这种方式，我们维护了人类社会互动作为最基本互动机制的完整性。