Tell Me Why, When, and How: Effects of Personality, Evidence, and Context on Older Adults' Perceptions of Conversational AI Explanations
Johns Hopkins University（约翰斯·霍普金斯大学）；Northeastern University（东北大学）
研究探讨了亲和力和外向性如何影响老年人对对话式AI解释的感知，发现高亲和力提升同理心，低亲和力损害受欢迎程度，环境解释在紧急情境中表现更佳，且高亲和力用户对低亲和力代理更批评。
2026-09-22 cs.HC
Let's Get Personal: Personal Questions Improve SocialBot Performance in the Alexa Prize
University of California, Santa Cruz（加州大学圣克鲁兹分校）
人们越来越关注在口语对话社区中创建会话开放域对话系统。与传统的对话系统不同，这些对话系统不能假设任何特定的信息需求或域限制，即，唯一的固有目标是与用户就未知的主题集合进行交谈。虽然自然语言理解（NLU）的大规模改进和可用知识资源的增长可以部分支持强大的对话，但这些对话通常缺乏两个相互认识的人之间的融洽关系。我们开发了一个强大的开放域会话系统Athena，真正的Amazon Echo用户可以在Alexa Prize竞赛的背景下大规模访问和评估。我们实验的方法，旨在增加雅典娜和用户之间的亲密关系，通过开发一个基于规则的用户模型，个性化的当前和随后的对话和评估具体的个人意见问题的策略，在A/B研究。我们的研究结果表明，采用这些策略时，感知的对话质量和长度的统计显着的积极影响。
2023-03-09 cs.CL cs.HC
Auditorily Embodied Conversational Agents: Effects of Spatialization and Situated Audio Cues on Presence and Social Perception
Carnegie Mellon University（卡内基梅隆大学）
本研究探讨了通过空间化音频和情境声音线索提升对话代理沉浸感和社交感知的方法，发现空间化和 Foley 增强共在感但降低对代理注意力的感知。
2026-01-29 cs.HC
Like My Aunt Dorothy: Effects of Conversational Styles on Perceptions, Acceptance and Metaphorical Descriptions of Voice Assistants during Later Adulthood
本研究通过绿野仙踪实验发现，语音助手的正式与非正式对话风格对中年和老年用户的技术接受度、拟人化隐喻及感知存在差异化影响，为面向成年后期人群的个性化语音助手设计提供了依据。
2023-09-20 cs.HC
Alexa as an Active Listener: How Backchanneling Can Elicit Self-Disclosure and Promote User Experience
积极倾听是一种众所周知的技能，应用于人类交流中，以建立亲密关系并引发自我表露，以支持各种合作任务。当应用于会话UI时，来自机器的主动倾听也可以通过向用户发出他们正在被倾听的信号来引发更大的自我披露，这可能会产生积极的结果。然而，考虑到需要为个人用户及其特定话语提供个性化的主动倾听提示，需要大量的工程努力和培训才能将主动倾听技能大规模嵌入机器中。鉴于越来越多地使用会话代理，特别是越来越多的社会孤立的个人，需要一个更通用的解决方案。考虑到这一点，我们开发了一种Amazon Alexa技能，该技能提供隐私保护和伪随机反向通道，以指示主动监听。用户研究（N = 40）数据显示，反向通道提高了智能扬声器的主动收听的感知程度。它还导致更多的情感披露，参与者使用更多积极的词语。智能扬声器作为积极的听众的感知与感知的情感支持呈正相关。访谈数据证实了使用智能扬声器提供情感支持的可行性。这些发现对智能扬声器在合作工作和社会计算的几个领域的交互设计具有重要意义。
2022-09-22 cs.HC
Evaluating Privacy, Security, and Trust Perceptions in Conversational AI: A Systematic Review
本系统综述梳理了对话式AI中隐私、安全与信任感知的研究现状，发现三者子构念重叠且多数研究仅单独考察，旨在为开发可靠量表及构建可信CAI系统提供方向。
2024-06-13 cs.HC
"Hey Alexa, What do You Know About the COVID-19 Vaccine?" -- (Mis)perceptions of Mass Immunization Among Voice Assistant Users
在本文中，我们分析了亚马逊Alexa反馈的COVID-19疫苗信息的感知准确性。与社交媒体不同的是，亚马逊Alexa不会对未经验证的内容进行软审核，从而允许使用第三方恶意技能任意对COVID-19疫苗信息进行措辞。一项210名参与者的研究结果表明，第三方恶意技能可以成功降低用户对谁先接种疫苗、疫苗测试和疫苗副作用等信息的感知准确性。我们还发现，对疫苗犹豫不决的参与者被悲观地重新措辞的Alexa反应所吸引，这些反应集中在大规模免疫接种的缺点上。我们讨论针对误导诱导或完全COVID-19错误信息恶意第三方技能的软审核解决方案。
2021-05-06 cs.CR cs.CY cs.HC
To Embody or Not: The Effect Of Embodiment On User Perception Of LLM-based Conversational Agents
Singapore University of Technology and Design（新加坡科技设计大学）
本文通过混合方法被试内实验研究具身与非具身大语言模型对话智能体在协作任务中的用户感知，发现具身反而降低能力评价并增强谄媚感知，挑战了具身必然提升可信度的传统观点。
2026-10-10 cs.HC
Is my agent good enough? Evaluating Embodied Conversational Agents with Long and Short-term interactions
数字资源的使用在当今社会的每一个实例中都在增加，无论是在商业还是甚至是娱乐目的。尽管在所有领域中越来越多地使用技术作为界面，但在这种情况下，似乎缺乏用户感知的重要性。本研究旨在提供一个关于出口信用社评价的案例研究。我们提出了一个长期的互动（LTI）来评估我们的会话代理的有效性，通过用户的感知，并将其与短期互动（STI），由三个用户进行比较。结果表明，在我们的案例研究中，可以评估用户对所选ECA（即Arthur）的感知的许多不同方面，特别是LTI和STI都很重要，以便更好地了解ECA对用户体验的影响。
2021-09-30 cs.HC
Alexa, play with robot: Introducing the First Alexa Prize SimBot Challenge on Embodied AI
Amazon（亚马逊）
本文介绍首届 Alexa Prize SimBot 挑战赛，旨在推动具身对话智能体研究，通过提供 Alexa Arena 模拟环境和 ML 工具包，分析参赛机器人助手在任务完成中的方法与表现。
2023-08-09 cs.AI cs.HC cs.RO
Entertaining and Opinionated but Too Controlling: A Large-Scale User Study of an Open Domain Alexa Prize System
University of California Santa Cruz（加州大学圣克鲁兹分校）
会话系统通常专注于功能性任务，如安排约会或创建待办事项列表。相反，我们设计和评估SlugBot（SB），这是2018年AlexaPrize的8个半决赛选手之一，其目标是支持休闲开放域社交互动。这种新颖的应用程序需要广泛的主题覆盖和参与互动技能。我们开发了一种新的技术方法来满足这种苛刻的情况，通过众包新颖的内容，并引入基于讲故事和游戏的有趣的对话策略。我们在2018年8月收集了超过10，000个对话，作为Alexa Prize竞赛的一部分。我们还进行了实验室随访定性评价。总体而言，所有用户都认为SB具有中等吸引力;对话平均为3.6分钟，涉及26个用户回合。然而，用户对不同的会话子类型的反应非常不同。讲故事和游戏得到了积极的评价;这些被视为具有可预测的互动结构的娱乐性。相比之下，搜索和一般的聊天引起覆盖问题;在这里，用户发现很难推断SB可以理解的主题，这些对话被视为过于系统驱动。理论和设计的影响表明，远离会话系统，只是提供事实信息。未来的系统应该设计成有自己的观点和个人故事来分享，SB提供了一个我们如何实现这一点的例子。
2019-08-13 cs.CL cs.HC
Intersectionality in Conversational AI Safety: How Bayesian Multilevel Models Help Understand Diverse Perceptions of Safety
本研究利用贝叶斯多层模型分析252名评分者对1,340次人机对话的安全标签，揭示种族、性别、年龄等人口统计学特征及伤害程度对安全感知的交叉影响，并强调多层框架在捕捉少数群体视角中的价值。
2023-06-20 cs.HC
Study of Non-Verbal Behavior in Conversational Agents
本文为仅通过语音、聊天和面部动画视频交互的对话智能体 Arthur 设计身体动作，并通过直接或视频互动实验考察非言语动作能否提升用户舒适度与感知体验。
2023-12-11 cs.HC
Learning Affects Trust: Design Recommendations and Concepts for Teaching Children -- and Nearly Anyone -- about Conversational Agents
研究表明，人与代理人之间的关系与人与人之间的关系形成的方式类似。由于儿童不具备与成人相同的批判性分析技能（例如，可能过度信任技术），这种关系的形成令人担忧。然而，很少有研究深入调查儿童的看法，会话代理人，更少调查如何教育可能会改变这些看法。我们提出了K-12研讨会与相关的对话AI概念，以鼓励更健康的理解和与代理的关系。通过对课程以及来自不同国家的儿童和家长的研究，我们发现参与者对代理人的看法-特别是他们的合作伙伴模型和信任-发生了变化。当参与者讨论对代理人信任的变化时，我们发现他们最常提到的是学习一些东西。例如，他们经常提到学习代理从哪里获得信息，代理如何使用这些信息以及代理如何编程。根据研究结果，我们提出了教学会话代理概念的建议，包括强调学生认为最具挑战性的概念，如培训，话轮转换和术语;补充代理开发活动与相关的学习活动;培养对代理的适当信任水平;并培养准确的代理合作伙伴模型。通过这种教学方法，学生可以学习更好地理解对话式人工智能以及在世界上拥有它意味着什么。
2022-09-12 cs.HC
"Mango Mango, How to Let The Lettuce Dry Without A Spinner?": Exploring User Perceptions of Using An LLM-Based Conversational Assistant Toward Cooking Partner
本研究探索用户使用基于LLM的烹饪对话助手Mango Mango的体验，发现其价值在于定制指令、丰富信息和动态规划，但需更适应对话，据此提出五项设计考虑。
2025-08-07 cs.HC
Developing a Personality Model for Speech-based Conversational Agents Using the Psycholexical Approach
我们提出了第一个系统的分析，专门开发的个性维度来描述基于语音的会话代理人的个性。本研究首先采用多方法收集描述性形容词，从1）在线调查的自由描述任务中收集描述性形容词（228个唯一描述符），2）实验室中的交互任务（176个唯一描述符），以及3）对会话代理（Alexa，Google Assistant，Cortana）的30，000条在线评论进行文本分析（383个唯一描述符）。我们将结果汇总成一组349个形容词，然后在一项在线调查中由744人进行评分。因素分析表明，常用的大五人格模型不能充分描述代理人的人格。作为开发个性模型的第一步，我们提出了替代维度，并讨论了代理个性，个性感知个性化和未来研究的设计的影响。
2020-03-13 cs.HC
Why Are Conversational Assistants Still Black Boxes? The Case For Transparency
本文针对商业对话式助手缺乏有效隐私与透明度的问题，通过改造开源语音助手Mycroft实现数据访问审计追踪，证明该问题可通过现有技术解决，本质是商业决策而非技术局限。
2023-06-08 cs.HC
Understanding Public Perceptions of AI Conversational Agents: A Cross-Cultural Analysis
National University of Singapore（新加坡国立大学）；The Hong Kong Baptist University（香港浸会大学）
本研究通过分析约一百万条社交媒体讨论，比较中美公众对对话代理的认知差异，发现中国用户更偏享乐且情绪积极，美国用户更重功能且态度矛盾，温暖感知是两国积极情绪的共同关键驱动因素。
2024-02-25 cs.CL cs.HC
The Bots of Persuasion: Examining How Conversational Agents' Linguistic Expressions of Personality Affect User Perceptions and Decisions
Delft University of Technology（代尔夫特理工大学）
研究探讨了对话代理通过语言表达的人格如何影响用户在慈善捐赠中的感知和决策，发现人格特征显著影响用户信任和捐赠行为。
2026-02-19 cs.AI cs.HC
Migratable AI: Effect of identity and information migration on users perception of conversational AI agents
Massachusetts Institute of Technology（麻省理工学院）
会话式人工智能智能体正在激增，体现了一系列设备，如智能扬声器，智能显示器，机器人，汽车等。我们可以设想一个未来，个人会话代理可以跨不同的形状因子和环境迁移，始终陪伴和帮助其用户支持更连续，个性化和协作的体验。这就提出了一个问题，即对话式人工智能智能体的哪些属性可以跨表单迁移，以及它将如何影响用户的感知。为了探索这一点，我们开发了一个可迁移的人工智能系统，在该系统中，用户的信息和/或代理的身份可以在它跨形状因子迁移时保留，以帮助其用户完成任务。我们设计了一个2x2的主题间的研究，探讨信息迁移和身份迁移对用户的信任，能力，可爱性和社会存在的看法的影响。我们的研究结果表明，身份迁移有积极的影响，信任，能力和社会存在，而信息迁移有积极的影响，信任，能力和可爱。总的来说，当身份和信息都跨实施例迁移时，用户向会话代理报告最高的信任、能力、喜爱度和社交存在。
2021-09-04 cs.CY cs.HC cs.RO
"I Like Sunnie More Than I Expected!": Exploring User Expectation and Perception of an Anthropomorphic LLM-based Conversational Agent for Well-Being Support
University of Toronto（多伦多大学）；Flourish Science（弗洛里什科学公司）；Northeastern University（东北大学）
本研究对比38名用户对两款LLM驱动的福祉推荐系统的期望与感知，发现拟人化设计的Sunnie在关系温暖度上优于非拟人基线，且两款系统实用性均超预期，为心理健康支持的交互设计提供参考。
2024-10-07 cs.CL cs.HC
"Alexa doesn't have that many feelings": Children's understanding of AI through interactions with smart speakers in their homes
Centre for Research in Digital Education（数字教育研究中心）；The University of Edinburgh（爱丁堡大学）
本研究通过混合方法调查苏格兰6-11岁儿童与语音对话助手的互动，发现他们高估AI智能、对隐私缺乏准确理解，为AI素养教育提供依据。
2023-05-09 cs.AI cs.HC
On Evaluating and Comparing Open Domain Dialog Systems
Amazon Alexa（亚马逊Alexa）；Michigan State University（密歇根州立大学）；University of Maryland（马里兰大学）
会话型代理人正迅速流行起来。然而，尽管近年来研究兴趣显著增长，但在非目标导向对话领域仍有许多工作要做。为了推进对话式人工智能的发展，亚马逊推出了Alexa Prize，这是一项价值250万美元的大学竞赛，16支精选的大学团队构建了对话式代理，以提供最佳的社交对话体验。Alexa Prize为学术界提供了一个独特的机会，可以使用数百万用户使用的实时系统进行研究。与评估对话相关联的主观性是构建非目标导向的对话系统的挑战的关键因素。在本文中，我们提出了一个综合评价策略，多个指标，旨在减少主观性，通过选择指标，以及与人类的判断。建议的指标提供粒度分析的会话代理，这是不是在人类的评级。我们表明，这些指标可以作为人类判断的合理代理。我们提供了一种机制来统一用于选择表现最佳的代理的指标，这也适用于整个Alexa Prize竞赛。据我们所知，到目前为止，它是评估代理的最大设置，有数百万的对话和数十万的用户评级。我们相信，这项工作是一个自动评估过程中的对话式人工智能的一步。
2018-12-26 cs.AI cs.CL cs.CY
Crafting Realistic Virtual Humans: Unveiling Perspectives on Human Perception, Crowds, and Embodied Conversational Agents
本文回顾虚拟人类技术50年发展，探讨其在人类感知、人群模拟与具身对话智能体三个领域中的逼真角色及其深远影响。
2023-12-06 cs.GR cs.HC
Watching AI Think: User Perceptions of Visible Thinking in Chatbots
Aalborg University（奥尔堡大学）；University of Oulu（奥卢大学）
研究探讨可见思考对用户感知的影响，通过实验发现不同思考内容和情境对同理心、温暖、能力和参与度有显著影响，为设计更有效的对话代理提供依据。
2026-01-23 cs.HC
Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks
Northeastern University（东北大学）
本研究探讨了对话代理性格表达水平和用户与代理性格对齐如何影响用户在目标导向任务中的感知，发现中等表达水平在多个维度上表现最佳，性格对齐进一步提升了结果，尤其在外向性和情绪稳定性和方面影响显著。
2026-04-29 cs.AI cs.CL cs.HC
Young people's perceptions and recommendations for conversational generative artificial intelligence in youth mental health
Brain and Mind Centre, The University of Sydney（悉尼大学脑与心灵中心）；Uncapt
研究探讨青少年对生成式AI聊天机器人在心理健康中的看法及改进建议，揭示其态度与需求，为服务整合提供启示。
2026-04-15 cs.AI cs.HC
Public perceptions of AI-driven decision-making in healthcare: A structural equation modeling approach
Amsterdam School of Communication Research/ASCoR（阿姆斯特丹传播研究学院/ASCoR）；University of Amsterdam（阿姆斯特丹大学）
研究通过结构方程建模，考察公众对医疗保健中人工智能驱动决策的认知。以人工智能素养等为外生变量，结果表明其受技术熟悉度、对话代理使用及对人为监督信心影响，感知有用性和公平性更多源于对医疗专业人员的信任。
2026-07-22 cs.AI cs.HC
Preliminary Report: Enhancing Role Differentiation in Conversational HCI Through Chromostereopsis
本文提出利用色彩立体视觉现象，通过色彩对比引发的深度感知，在基于文本的AI界面中视觉区分对话角色，以隐式传达角色层级并增加物理空间感。
2025-03-05 cs.CL cs.HC
Can a Humorous Conversational Agent Enhance Learning Experience and Outcomes?
以前的研究已经强调了教学会话代理使用面向社会的对话与学生的好处。在这项工作中，我们研究的影响，一个会话代理人的使用亲和和自我挫败的幽默-被认为有利于社会福祉和加强人际关系-对学习者的代理人的看法和对任务的态度。使用科目之间的协议，58名参与者教一个会话代理岩石分类使用学习教学平台，Curriculum笔记本。虽然所有的代理人都是好奇和热情的，幽默的风格被操纵，使代理人要么表达一种亲和的风格，一种自我挫败的风格，或者没有幽默。结果表明，亲和幽默可以显着增加动机和努力，而自我挫败的幽默，虽然提高努力，负面影响享受。调查结果进一步强调了在使用幽默时了解学习者特征的重要性。
2021-08-25 cs.HC
The Importance of Multimodal Emotion Conditioning and Affect Consistency for Embodied Conversational Agents
Rutgers University（罗格斯大学）；King Fahd University of Petroleum & Minerals（法赫德国王石油与矿业大学）
本文提出 ACTOR 情感一致多模态行为生成框架，并通过199人用户研究证明情绪条件作用与跨模态情感一致可显著提升具身对话智能体的情感感知与表现力。
2023-12-06 cs.AI cs.GR cs.HC
The Effects of System Initiative during Conversational Collaborative Search
我们在本文中的研究在于协作和会话搜索的交叉点。我们报告了一项绿野仙踪实验室研究，其中27对参与者在Slack消息传递平台上合作完成搜索任务。为了完成任务，成对的合作者与具有会话能力的所谓的\emph{searchbot}进行交互。搜索机器人的角色由参考图书馆员扮演。人们普遍认为，对话式搜索系统应该能够参与\emph{mixed-initiative interaction} --适当地获取和放弃对多代理对话的控制。话语分析中的研究区分了对话层面和任务层面的主动性。采取\emph{dialog-level}主动性包括引导对话，其唯一目的是在代理之间建立相互信任。相反，采取\emph{task-level}主动性涉及引导一个意图影响其他代理目标的对话。我们研究的参与者经历了三个\emph{searchbot conditions}，这取决于人类搜索机器人能够采取的主动性水平：（1）没有主动性，（2）只有对话级别的主动性，（3）对话和任务级别的主动性。我们调查了搜索机器人条件对六种不同类型结果的影响：（RQ 1）对搜索机器人效用的看法，（RQ 2）对工作量的看法，（RQ 3）对协作的看法，（RQ 4）沟通和协作的模式，以及感知的（RQ 5）好处和（RQ 6）与搜索机器人合作的挑战。
2022-02-20 cs.HC cs.IR
Beliefs and Misconceptions around Integrated Conversational AI
King’s College London（伦敦国王学院）
研究探讨用户在使用内置对话式AI的浏览器时如何建立信任并判断输出可靠性，通过20名参与者使用微软Edge Copilot AI进行信息检索，发现引用增强了信任感，用户倾向于依赖相同信息源进行事实核查。
2026-05-14 cs.HC
Investigating AI in Peer Support via Multi-Module System-Driven Embodied Conversational Agents
University of Canterbury（坎特伯雷大学）；The University of Auckland（奥克兰大学）；University of South Australia（南澳大学）；University of Aizu（会津大学）
本文通过多模块系统驱动的具身对话代理，探讨了AI在同伴支持中的应用，评估了基于CBT的LLM系统在心理健康支持中的有效性与用户感知。
2025-11-27 cs.HC
SlugBot: Developing a Computational Model andFramework of a Novel Dialogue Genre
University of California Santa Cruz（加州大学圣克鲁兹分校）
亚马逊Alexa Prize竞赛最有趣的一个方面是，竞赛的框架需要开发新的对话计算模型及其结构。传统的对话计算模型有两种类型：（1）面向任务的对话，由人工智能规划模型支持，或简化的规划模型，由具有待填充的槽的框架组成;或（2）面向搜索的对话，其中每个用户回合都被视为搜索查询，可以细化和扩展当前的搜索结果。像SlugBot这样的Alexa Prize对话系统必须支持超越这些传统模型的对话功能。此外，虽然传统的对话系统依赖于理论计算模型，但没有现有的计算理论来限制Alexa Prize Bots的预期对话类型中的预期系统和用户行为。本文介绍了UCSC的SlugBot团队如何将一种新的计算理论模型--话语关系对话模型的开发与其在模块化系统中的实现相结合，以测试和完善它。我们强调了我们的新对话模型如何引导我们创建一种新的本体资源--UniSlug，以及UniSlug的结构如何决定显示我们策划和结构化内容，以便我们的对话管理器实现和测试我们新的计算对话模型。
2019-07-22 cs.CL cs.HC
Towards Personalized Dialog Policies for Conversational Skill Discovery
Amazon Alexa（亚马逊Alexa）
许多企业和消费者正在扩展基于语音的服务的功能，例如Amazon Alexa，Google Home，Microsoft Cortana和Apple Siri，以创建自定义语音体验（也称为技能）。随着这些体验的增加，一个关键问题是发现可用于解决用户请求的技能。在本文中，我们专注于会话技能发现，并提出了一个会话代理，从事与用户的对话，以帮助他们找到满足他们需求的技能。为此，我们从基于规则的代理开始，并通过使用强化学习对其进行改进。通过这种方式，我们使代理能够适应不同的用户属性和会话风格，因为它与用户交互。我们评估我们的方法在一个真正的生产环境中部署的代理与真实的用户进行交互，并显示对话代理的有效性，帮助用户找到他们的要求服务的技能。
2019-11-15 cs.AI cs.CL cs.HC
Offline and Online Satisfaction Prediction in Open-Domain Conversational Systems
Emory University（埃默里大学）
预测会话系统中的用户满意度已经变得至关重要，因为口语会话助理在越来越复杂的领域中操作。在线满意度预测（即，预测用户在每轮之后对系统的满意度）可以被用作隐式用户反馈的新代理，并且提供了有希望的机会来创建更响应和有效的会话代理，其适应于用户与代理的参与。为了实现这一目标，我们提出了一个会话满意度预测模型，专门为开放域口语会话代理，称为ConvSAT。为了跨域稳健地运行，ConvSAT聚合了会话的多个表示，即会话历史，话语和响应内容，以及面向系统和用户的行为信号。我们首先在一个标准数据集（对话故障检测挑战）上在线校准ConvSAT性能，然后在一个大型的与真实用户对话的数据集上评估ConvSAT，这些数据集是作为Alexa Prize竞赛的一部分收集的。我们的实验结果表明，与以前报道的最先进的方法相比，ConvSAT显着提高了对两个数据集的离线和在线设置的满意度预测。我们研究的见解可以实现更智能的会话系统，这些系统可以实时适应推断出的用户满意度和参与度。
2020-06-02 cs.AI cs.HC cs.LG
Agent vs. Avatar: Comparing Embodied Conversational Agents Concerning Characteristics of the Uncanny Valley
视觉外观是影响认知会话主体感知和接受的一个重要方面。为此，恐怖谷理论与人们普遍认为的增加角色的人性化会导致更好的接受的假设相矛盾。相反，它表明拟人化的行为可能会引发人们的怪异和排斥感。本文提出的工作探讨了四种不同的自主ECA，特别是为欧洲研究项目，是否受到这种影响，以及它们如何比较两个稍微更现实的人类控制，即面部跟踪，ECA方面的感知人性化，怪异和吸引力。使用ECA的短视频结合经验证的问卷调查潜在差异。结果支持现有的理论，强调增加感知人性与增加感知怪异。此外，它被发现，无论是调查参与者的性别，他们的年龄，也不是ECA的性别影响这种效果，女性ECA被认为是显着更具吸引力比他们的男性同行。
2021-04-22 cs.HC
Influence of Personality and Communication Behavior of a Conversational Agent on User Experience and Social Presence in Augmented Reality
TU Berlin（柏林工业大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Hamm-Lippstadt University of Applied Sciences（哈姆-利普施塔特应用科技大学）
该研究针对AR对话智能体人格与非言语行为的影响机制不明确的问题，通过30名用户与两种人格、两种肢体语言的虚拟助手的交互实验，证实智能体表征、幽默感及肢体语言对用户体验与社会存在感存在显著影响。
2024-03-14 cs.HC
The Illusion of Empathy: How AI Chatbots Shape Conversation Perception
National Institute on Drug Abuse（美国国家药物滥用研究所）；University of Pennsylvania（宾夕法尼亚大学）；New York University（纽约大学）
该研究通过分析155段对话发现，GPT聊天机器人虽对话质量评分更高，却被认为共情能力低于人类，说明高质量人机交互不能仅靠嵌入共情语言，还需解决用户对聊天机器人共情的细微感知问题。
2025-03-06 cs.AI cs.HC
Mapping Perceptions of Humanness in Speech-Based Intelligent Personal Assistant Interaction
人性化是语音界面设计的核心。然而，人们对用户如何概念化人性的感知以及人们如何通过这种方式定义他们与语音界面的交互知之甚少。为了映射这些看法n=21参与者举行了对话与人类和两个语音接口的智能个人助理，然后反映和比较他们的经验，使用剧目网格技术。分析的结构表明，人性的看法是多方面的，集中在八个关键主题：合作伙伴的知识集，人际关系，语言内容，合作伙伴的性能和能力，会话互动，合作伙伴的身份和角色，声乐素质和行为的启示。通过这些主题，很明显，用户对语音界面功能的定义与人类不同，认为它们更正式，基于事实，非个人化和不太真实。基于这些发现，我们讨论了这些主题如何有助于脚手架，分类和目标的研究和设计工作，考虑适当的模仿人性。
2019-07-29 cs.HC
A Crowd-based Evaluation of Abuse Response Strategies in Conversational Agents
Heriot-Watt University（赫瑞-瓦特大学）
会话代理人应该如何通过用户对言语虐待做出反应？为了回答这个问题，我们对当前最先进的系统所采用的滥用响应策略进行了大规模的众包评估。我们的研究结果表明，一些策略，如“礼貌拒绝”得分很高，而对于其他策略的人口因素，如年龄，以及严重程度的前虐待影响用户的看法，其中的反应是适当的。此外，我们发现，大多数数据驱动的模型落后于基于规则的或商业系统在其感知的适当性。
2019-09-10 cs.CL cs.HC
Designing VR Simulation System for Clinical Communication Training with LLMs-Based Embodied Conversational Agents
本研究通过半结构化访谈获取设计洞察，开发了由LLMs和ECAs驱动的新型VR系统VAPS，支持动态可定制的患者交互，解决临床沟通训练中学习内容固定且缺乏定制化的问题。
2025-03-03 cs.HC
The Impact of Navigation on Proxemics in an Immersive Virtual Environment with Conversational Agents
Trinity College Dublin（都柏林三一学院）；University of Utah（犹他大学）；Roblox Corp.（罗布乐思公司）
研究探讨了在沉浸式虚拟环境中，导航方式对人际距离的影响，发现 teleportation 使参与者与对话代理保持更近的距离，且女性与男性在距离上存在差异，自然行走则带来更高的自主感和身体所有权。
2026-04-30 cs.HC
Knowledge-Grounded Dialogue Flow Management for Social Robots and Conversational Agents
University of Genoa（热那亚大学）
本文提出了一种基于知识的会话系统，为社会机器人和其他会话代理设计。所提出的系统依赖于一个本体的所有概念，可能是相关的会话主题，以及它们的相互关系的描述。本文重点介绍了对话管理的算法，该算法根据用户的输入选择最合适的对话主题。此外，它讨论了策略，以确保会话流捕捉，尽可能连贯地，用户的意图，以推动对话在特定的方向，同时避免纯粹的反应，用户说什么。为了衡量对话的质量，本文报告了对100名招募的参与者进行的测试，比较了五个对话代理：（i）仅基于语音中的关键字的检测来解决对话流管理的代理，（ii）基于关键字的检测和Google Cloud自然语言的内容分类特征两者的代理，（iii）一个随机选择对话主题的代理，（iv）一个假装是聊天机器人的人，以及（v）世界上最著名的聊天机器人之一：dika。参与者的主观感知通过SASSI（语音系统接口主观评估）工具以及用于测量连贯性主观感知的自定义调查来测量。
2021-08-04 cs.HC cs.RO
Evaluating Data-Driven Co-Speech Gestures of Embodied Conversational Agents through Real-Time Interaction
利用协同语音手势的嵌入式会话代理可以在许多方面增强人机交互。近年来，用于ECA的数据驱动手势生成方法引起了相当大的研究关注，并且相关方法不断改进。当研究人员评估生成基于规则的手势的ECA系统时，通常使用实时的【形】交互。然而，在基于数据驱动的方法评估ECA的性能时，参与者通常只需要观看预先录制的视频，这无法提供有关一个人在互动过程中感知的足够信息。为了解决这个限制，我们探索了使用实时的【形】交互来评估数据驱动的手势ECA。我们提供了一个测试平台的框架，并调查手势是否会影响人类感知的ECA在人的相似性，生命力，感知的智能和集中注意力的维度。我们的用户研究要求参与者与两个ECA进行交互-一个有手势，一个没有手势。我们从参与者的自我报告问卷中收集了主观数据，并从凝视跟踪器中收集了客观数据。据我们所知，目前的研究代表了第一次尝试通过实时的【形】交互来评估数据驱动的手势ECA，以及第一个使用注视跟踪来检查ECA手势效果的实验。
2022-10-13 cs.HC
Understanding Communication Preferences of Information Workers in Engagement with Text-Based Conversational Agents
本研究通过交互式调查探究信息工作者在七类应用中对聊天机器人五大沟通特征的偏好，发现不同场景偏好差异显著，为聊天机器人的场景化设计提供了重要指导。
2024-11-01 cs.HC
One Agent Too Many: User Perspectives on Approaches to Multi-agent Conversational AI
University of Michigan（密歇根大学）；Ford Motor Company（福特汽车公司）
本文通过原型设计和用户研究，比较了对话式AI中单一代理与用户选择多代理两种交互模式，发现用户显著偏好后台抽象代理编排，且其回答质量接近人类选择水平。
2024-01-13 cs.CL cs.HC
Assessing the Feasibility of a Video-Based Conversational Chatbot Survey for Measuring Perceived Cycling Safety: A Pilot Study in New York City
Center for Urban Science + Progress, Tandon School of Engineering, New York University（纽约大学坦登工程学院城市科学与工程中心）；School of Geography, University of Leeds（利兹大学地理学院）；Department of Technology of Management and Innovation, Tandon School of Engineering, New York University（纽约大学坦登工程学院技术、管理与创新系）；Department of Urban and Regional Planning, College of Design, Construction and Planning, University of Florida（佛罗里达大学设计、建造与规划学院城市规划与区域规划系）
本文提出利用大语言模型结合视频调查和对话式AI聊天机器人，评估骑行安全感知的可行性，并通过纽约市九个街区的试点调查验证方法的有效性。
2026-04-07 cs.CY cs.HC
Behavioral and Symbolic Fillers as Delay Mitigation for Embodied Conversational Agents in Virtual Reality
本文针对虚拟现实中具身对话代理响应延迟问题，比较行为填充与符号指示器策略，发现行为填充能改善感知响应时间、临场感、类人性与自然性，且更受用户偏好。
2025-08-15 cs.HC
Identifying synthetic voices qualities for conversational agents
本研究旨在探讨用户接受和感知不同质量水平的合成语音。为了实现这一目标，考虑到两个主要因素，利用了四种声音：声音的质量（低与高）和他们的性别（男性和女性）。招募了186名志愿者，随后分别分配到青少年、年轻人、中年人和老年人四个不同年龄组。在随机听取每个声音后，参与者被要求填写虚拟代理语音接受问卷（VAVAQ）。结果表明，安东尼奥和朱利亚的两个较高质量的声音更赞赏比低质量的声音Edoardo和克拉拉的整个样本中的务实，享乐和吸引力的质量归因于声音。关于对不同年龄的声音的偏好，显然，他们根据参与者的年龄范围而有所不同。此外，就执行不同任务的适应性而言，参与者认为安东尼奥和朱利亚同样适合医疗保健和前台工作。安东尼奥也被认为更有资格完成保护和安全任务，而爱德华多被列为绝对最不熟练的家务。
2022-05-09 cs.HC
Investigating Perceptions of Social Intelligence in Simulated Human-Chatbot Interactions
随着会话用户界面的不断渗透，需要更好地理解对话固有的社会和情感特征。聊天机器人特别面临的挑战是，在被限制在一个交互通道的同时传达类似人类的行为，即，短信了因此，所提出的工作的目标是调查人类对话者是否可以感知到人类与聊天机器人交互中嵌入的社会智能特征，如果是的话，这是否会影响体验到的交互质量。针对社会智力维度的真实性，清晰性和同情心，我们首先使用了一个问卷调查评估的感知水平的文本话语，然后进行了一个绿野仙踪的研究，调查这些话语的影响，在一个更具互动性的设置。结果表明，人们在感知文本中的社会智力要素时遇到了很大的困难。一方面，他们认为拟人化行为对于对话的自然性是令人愉快和积极的，但当一个人工代理人以错误的方式或在错误的时间表达时，他们也可能认为它是可怕的和不合适的。
2021-04-28 cs.HC
Optimizing AI-Driven Messaging for Type 2 Diabetes Management: Insights from Patient Preference Elicitation
NYU Grossman School of Medicine（纽约大学格罗斯曼医学院）；NYU Langone Health（纽约大学朗根健康中心）
本研究通过125名2型糖尿病患者的离散选择实验，探究对GenAI对话代理uMatter沟通风格的偏好，发现表情符号偏好异质性，并提出人机交互与自然语言处理策略以设计符合患者偏好的代理。
2026-10-06 cs.HC
Listening and Mirroring: The Effects of Verbal Attunement and Behavioral Mimicry on Social and Empathic Perceptions of Embodied AI Agents in VR
Drexel University（德雷塞尔大学）
本研究通过VR中的具身AI咨询师实验，发现言语调谐是提升共情感知的关键，而行为模仿仅边缘影响类人性，表明多模态同步需谨慎设计。
2026-09-24 cs.AI cs.HC
