《International Journal of Human-Computer Studies》:Beyond happy and sad: Exploring granular affect labeling to enhance emotion regulation ability
编辑推荐:
基于构造情绪理论,本研究开发LLM聊天机器人通过24天对照实验验证精细情感标签提升情绪调节能力,发现实验组情绪调节能力显著优于对照组,同时指出长期互动可能影响用户体验。
Mia Huong Nguyen | Dixon Prem Daniel Rajendran | Suranga Chandima Nanayakkara
新加坡国立大学计算学院,增强人类实验室,新加坡,新加坡
摘要
越来越多的情感神经科学证据表明,情感词汇不仅仅是用来标记情绪的;它们实际上在塑造情感概念,而这些情感概念又会影响我们体验和调节情绪的方式。情感概念是大脑用来对情感体验进行分类和理解的心理表征。扩展个人对细微情感概念的认知与更好的情绪调节能力有关,然而这一潜在优势在现有的技术和干预措施中大多被忽视了。为了解决这个问题,我们开发了一个基于“构建情感理论”(Theory of Constructed Emotions)的对话式代理,使用“精细情感标注”(granular affect labeling)来扩展用户的情感概念并增强他们的情绪调节能力。通过一项为期24天的控制性实地研究,涉及33名参与者,我们发现我们的聊天机器人能够扩大参与者的主动情感词汇量——这是了解他们情感概念的直接途径——并且与对照组的情感支持聊天机器人相比,显著提高了他们的情绪调节能力。我们的发现有助于更深入地理解如何在技术中利用精细情感标注来培养更细腻的情感体验并提升幸福感。
引言
如果我们用来描述情绪的词汇不仅仅是标签,而是能够积极塑造我们的情感现实,会怎么样呢?虽然这听起来像是一种哲学思考,但最近的神经科学研究揭示了一个惊人的事实:我们用来描述感受的语言深刻地塑造了我们的情感概念,并改变了我们体验和调节情绪的方式(Lindquist等人,2015b)。
词汇远非仅仅是标签,它们与大脑中的心理概念有着密切的联系。神经科学的实证证据表明,词汇会激活与所代表概念相关的大脑区域(Pulvermüller,2005)。例如,“kick”这个词会激活与腿部和踢的动作相关的大脑区域,而“run”或“grasp”则会激活与这些动作相关的运动区域(Hauk等人,2004)。这种现象被称为具身认知(embodied cognition),它展示了词汇与感觉-运动系统之间的相互联系。同样,情感词汇也被观察到与情感概念有着密切的联系。例如,听到“angry”或“happy”这样的词会激活超出语言处理范围的大脑区域(Lee和Satpute,2024)。当情感词汇的语义意义受损时,情感感知本身也会受到影响(Lindquist等人,2006;2014;Gendron等人,2012)。简而言之,情感词汇的存在会激活与相应情感过程相关的大脑区域,而它们的缺失则会损害感知情绪的能力。
上述发现表明,情感语言不仅仅用于描述已存在的情感,还在情感的形成过程中起着关键作用(Lee和Satpute,2024;Lindquist等人,2006;2014;Gendron等人,2012)。现代情感科学支持这一观点,认为情感是习得的心理概念,语言在学习过程中起着至关重要的作用(Hoemann等人,2019;Barrett,2017b;Lindquist等人,2015b)。大脑依赖这些概念来调节身体状态(Barrett,2017b)。因此,一个人情感词汇的细致程度直接影响大脑管理情绪的能力。想象一下,如果你只能将压力标记为“糟糕的”,与将其识别为“令人难以承受但具有激励作用的”或“强烈但短暂的”,你的体验会有多大的不同。这种情感标注的细致程度不仅仅是语言上的复杂化——它反映了根本不同的体验和管理情绪的方式。
情感细致程度的实际意义非常重要。那些能够精确地标记自己的情绪,并区分“恼怒”和“愤怒”等情绪的人,而不是简单地将它们标记为“糟糕的”,往往能够更有效地调节自己的情绪(Lee等人,2017;Erbas等人,2022;Tan等人,2022a)。他们也不太可能滥用药物和酒精,并且身体健康状况更好(Kashdan等人,2010a)。使用词汇来标记情绪,即所谓的情感标注(affect labeling),已经显示出有希望的结果。例如,患有蜘蛛恐惧症的人在接受了表达情绪的训练后,焦虑感减轻了,并且更愿意接近蜘蛛(Lieberman等人,2011)。
尽管精细情感概念对情绪调节的重要性显而易见,但设计支持其发展的技术却面临着独特的挑战。情绪本质上是短暂的经历,受到瞬间身体感觉、情境线索和个人过去经历的影响(Barrett,2017a)。以往的情绪调节支持技术(ERST)主要集中在反应性 干预上——帮助用户在情绪出现后进行追踪、表达、重新评估或调节(Slovak等人,2023;Sadka和Antle,2022)。尽管这些方法很有价值,但它们并没有解决发展更丰富情感概念这一基本需求,而这些概念可以增强调节能力。为了解决这一差距,我们引入了一种称为精细情感标注的新方法,该方法支持情感细致程度的主动发展并提升情绪调节能力。
我们的研究基于“构建情感理论”(Theory of Constructed Emotions,TCE)(Barrett,2017b),该理论解释了情感是如何发展和运作的。根据TCE的理论原则,我们制定了设计指南,并开发了一个聊天机器人,该机器人能够实现实时、引导性和反思性的情感标注,使用户能够构建精细的情感概念。通过一项为期24天的实地研究,涉及33名参与者,我们发现我们的聊天机器人显著提高了用户的情绪调节能力,而仅用于提供情感支持的对照组聊天机器人则没有达到这一效果。这些发现证明了精细情感标注的有效性。总之,我们的研究贡献有三个方面:
• 我们提出了一个聊天机器人的设计和实现方案,该机器人遵循我们从TCE中得出的四项设计原则,以支持精细情感概念的发展。
• 我们提供了来自实地研究的定量结果,表明精细情感标注显著提高了情绪调节能力。
• 我们提供了定性发现,揭示了精细情感标注聊天机器人如何帮助人们提高情绪调节能力。
章节片段
理论背景和相关工作
我们的工作基于“构建情感理论”(TCE),并在现有的通过语言发展情感理解和调节技能的数字方法基础上进行构建。TCE认为情感是通过经验主动构建的概念,而不是与生俱来的,这为技术支持这一学习过程提供了机会。它还提供了一个清晰的机制,说明精细情感概念如何有助于改善情绪调节能力。
聊天机器人的设计
精确的概念能够做出更准确的预测,从而实现更有效的调节,进而带来更好的健康状况。因此,扩展情感概念作为一种预防性方法,可以增强用户调节情绪的能力。在本节中,我们首先描述了精细情感标注的设计理由,然后介绍了我们的实现方式。
实验设计
鉴于情绪自然出现在日常情境中,并涉及个体与其环境之间的复杂互动,我们设计了一项控制性实地研究,以捕捉用户自发使用情感词汇的情况,并检验我们的聊天机器人在帮助用户在日常生活中标记情绪方面的有效性。我们的研究可以分为三个阶段:(1)干预前评估(5天),(2)干预期(14天),以及(3)干预后评估(5天)。
结果
对于情绪调节能力、情绪调节策略的使用和幸福感等数值测量,我们使用了2 2混合模型方差分析(group time)来确定两个聊天机器人的交互效应。Shapiro-Wilk检验用于评估正态性假设。当数据不符合正态性要求时,使用了对齐等级转换(Aligned Rank Transform,ART)(Wobbrock等人,2011)对数据进行转换,然后再应用方差分析。随后使用Tukey的HSD校正进行事后检验,以确定显著差异。
讨论
在这项研究中,我们设计了一个基于理论的聊天机器人,该机器人使用精细情感标注来增强用户的情绪调节能力。通过一项为期33名参与者的纵向实地研究,我们发现实验组在情绪调节能力上有所提高,而对照组则没有。然而,在干预后,两组的幸福感得分都有所下降。在本节中,我们综合了定量和定性分析的结果,以阐述这一发现的潜在意义。
局限性和未来工作
尽管大多数参与者对我们的聊天机器人表示欢迎,因为它能够扩展他们的情感词汇,但反馈指出一个显著的局限性:一些用户发现随着时间的推移,聊天机器人的提问方式变得“程式化”和“机器人化”。这一设计选择最初是基于用户随着识别细微情绪的能力提高而逐渐减少需要的指导这一假设。然而,这一方面可能会阻碍持续的参与。
结论
在这项研究中,我们设计并评估了一个基于大型语言模型(LLM)的聊天机器人,该机器人使用精细情感标注来增强情绪调节能力。基于TCE,我们提出了四个设计原则来指导聊天机器人的开发。通过一项为期24天的控制性实地研究,我们证明精细情感标注显著提高了用户的情绪调节能力和主动使用情感词汇的情况。我们进一步提供了解释精细情感标注作用机制的见解。
CRediT作者贡献声明
Mia Huong Nguyen: 写作——审稿与编辑、撰写初稿、可视化、软件开发、方法论设计、调查实施、数据分析、概念化。Dixon Prem Daniel Rajendran: 写作——审稿与编辑。Suranga Chandima Nanayakkara: 写作——审稿与编辑、监督工作、资金筹集、概念化。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
我们感谢Tan Chuan Hoo教授对研究设计的宝贵意见;Kunal Gupta博士建议使用WEBMBS评分来评估幸福感;Suparna Ghanvatkar博士对初步试点项目的测试;Dinithi Dissanayake女士对定性代码的核对和校对;Yize Wei女士和Hanjun Wu女士在情感支持方面的帮助;Prasanth Sasikumar博士在网站设置方面的指导;Sanka Cooray先生为Mia Huong Nguyen提供了创建后端服务器的建议;以及Yasith先生的帮助。