一项由堪萨斯大学开展的研究中，聊天代理参与了支持小组会话以测量参与者间的联盟行为标志物。来源：堪萨斯大学
长期以来，人们通过支持小组寻求情感保障和联结，以应对生活中的艰难处境。然而，关于虚拟小组会话中哪些非语言行为能有效识别两人是否建立连接，学界知之甚少。堪萨斯大学与南加州大学的最新研究首次系统测量了支持小组参与者间联盟关系的行为标志物，该成果发表于《第27届多模态交互国际会议论文集》。
研究人员分析了18个支持小组共96名参与者的互动数据。通过问卷调查参与者相互间的连接感受，团队测量了"双人联结"（即两人间的关系强度）。研究采用计算算法检测语言、音频及视觉层面的言语与非语言沟通特征，并探索了机器学习技术测量双人联结的可行性及其在心理健康领域的潜在应用价值。
研究指出，近年来心理健康服务需求持续增长。随着专业人员难以满足需求，人工智能正逐渐进入该领域。"本项目源于我们对心理健康从业者职业倦怠的关注，"研究作者、堪萨斯大学新闻与大众传播学助理教授兼信息科学研究所教员王云文表示，"疫情后我们总说要回归常态，但新冠的长期影响仍在持续。我们认为应探索人工智能的伦理应用——不是取代人类治疗师，而是借助大语言模型扩大心理健康服务覆盖范围。"
研究招募了焦虑症支持小组参与者，在会话前后测量其心理健康状态与情绪水平，并要求他们反馈相互间的连接程度。会话通过在线视频进行，由具备机器人形象的虚拟对话代理主持。参与者屏幕显示虚拟机器人引导对话，必要时由真人操作员介入。
经参与者同意的会话录音中，研究团队转录了言语内容，并通过计算工具检测点头、微笑、挑眉、皱眉及摇头等非语言手势。同时记录了单位时间内的词汇量、音高变化以及微笑强度、动作持续时间等视觉因素。该代理按预设脚本引导大学生讨论学期进展与学业压力等话题。
分析显示，倾听者与说话者的头部姿态和面部表情是预测双人联结的关键指标：说话者对频繁点头、挑眉且较少皱眉的倾听者感受更强联结；对说话者而言，更多音高变化、挑眉、点头及头部姿态变化，配合较弱的微笑与皱眉强度，同样能提升双人联结水平。研究人员认为，测量群体环境中参与者的联结关系时应综合考量言语与非语言沟通特征，这补充了既往关于成对联结可促进整体小组参与度的研究。
研究证实大语言模型与人工智能在计算识别双人联结行为标志物方面具有潜力，但团队强调不主张在心理健康领域无限制使用AI，需进一步验证。"目标并非取代人类或比较AI与人工支持效果，"王云文解释道，"而是通过融合单模态、双模态及多模态通信特征的机器学习模型，计算评估人类对群体关系的感知。"
她将此研究视为探索AI在心理健康应用边界的首步，指出随着聊天机器人普及，加州等地已展开立法讨论，聚焦"是否允许AI治疗师""伦理边界何在"及"如何负责任地整合技术"等关键问题。研究团队正深入探讨隐私保护技术，并在药物滥用障碍等严肃话题的支持小组中测试代理辅助系统。王云文补充道，当前工作正调查用户对AI代理的信任度及不同AI参与程度下的干预效果。
"当大量人群急需心理健康服务而专业人员有限时，"王云文总结道，"我们的目标是验证AI辅助系统能否被用户接受。在支持小组中，真正帮助人们联结的仍是人与人之间的动态关系——或是通过分享独特经历相互共情，或是在不同经历中培养同理心。此时AI代理更应扮演对话促进者，而人际联结始终是核心。"
【全文结束】
