基于文本的在线聊天(Text-Based Online Chat, TBC)何以生效?有效聊天助手(Chat Helper)回复青少年用户时有助益性的沟通特征分析
《Counselling and Psychotherapy Research》:What Makes Text-Based Online Chat Work? Communication Features of Effective Chat Helpers' Responses to Chat Users
编辑推荐:
背景(Background):文字基在线聊天(Text-Based Online Chat, TBC)为回避传统面对面服务的青少年及青年提供可及的心理健康支持。虽证实TBC有效,但少有研究考察聊天助手(chat helper)何种具体沟通特征促成积极结果。本研
背景(Background):文字基在线聊天(Text-Based Online Chat, TBC)为回避传统面对面服务的青少年及青年提供可及的心理健康支持。虽证实TBC有效,但少有研究考察聊天助手(chat helper)何种具体沟通特征促成积极结果。本研究识别新加坡同步文字聊天服务中,助手回复的文本及语言学特征与用户对服务有用性(perceived service usefulness)感知的关联。
方法(Methods):研究人员分析2016至2020年间1062次12–25岁青少年聊天记录,检验助手使用的26项沟通特征——含表情符号(emoticon)、情感性语言(affective language)、会话时长(session duration)、回复延迟(response lag time)、四类社会支持(情感、信息、自尊、网络)、代词模式、礼貌标记(politeness markers)、提问频率、语言学复杂度测度及最高级(superlatives)。分析采用单变量逻辑回归(univariate logistic regression)与潜剖面分析(Latent Profile Analysis, LPA)识别沟通风格。
结果(Results):11项沟通特征显著预测积极结果。表情符号效应最强(概率提升7.3个百分点),其次为情感性语言(6.4点)与会话时长(4.1点)。三类社会支持有效:网络支持(network support, 4.0点)>自尊支持(esteem support, 3.8点)>情感支持(emotional support, 2.7点)。最高级(superlatives)与每句词数(words per sentence, WPS)亦显著预测成功。助手使用第一人称单数代词呈负向效应。识别出三种沟通特征剖面(profile),"情感表达型(Emotionally Expressive)"与"探究驱动型(Inquiry-Driven)"风格成功率分别达至少86.6%,高于"典型型(Typical)"风格的79.3%。
结论(Conclusion):有效TBC需特定文字技能——通过表情符号与情感性语言进行情感表达,并提供社会支持。培训项目应发展这些胜任力,同时允许不同沟通风格(情感表达型或探究驱动型)并存。
《Counselling and Psychotherapy Research》刊载的这篇研究,围绕新加坡青少年同步文字基在线聊天(Text-Based Online Chat, TBC)服务——QuickChat中聊天助手(chat helper)回复的文本与语言学特征如何影响用户感知服务有用性(perceived service usefulness)展开。
研究背景与意义
青少年(10–24岁)是心理健康问题高发但求助率最低的群体,隐私顾虑、病耻感及对传统面对面咨询的不适构成主要障碍。TBC以匿名性、可及性与情感距离感降低上述壁垒,使用户更易自我表露。尽管既有研究提示TBC有效,但缺乏针对助手回复中具体文字与语言学特征(feature-level textual and linguistic features)与青少年用户主观服务有用性关联的实证证据,尤其在东南亚文化背景中。为此,研究人员以新加坡QuickChat平台数据开展研究,旨在明确促进积极用户体验的沟通技术,为TBC助手培训及服务制度化提供依据。
主要关键技术方法
研究人员选取QuickChat平台2016–2020年1854次青少年(12–25岁)同步文字聊天记录,筛选总词数≥100且时长≥60秒的会话,按用户开场前40词划为基线期(baseline phase)提取LIWC(Linguistic Inquiry and Word Count)心理语言学变量做倾向得分匹配(propensity score matching, full matching),后续对话划为干预期(treatment phase)专析助手回复。构建26项沟通特征变量:情感表达(表情符号计数正则匹配、LIWC情感词占比)、沟通变量(提问数、会话分钟数、平均回复延迟、GloVe词嵌入 topical congruence、家人/朋友指称、四类社会支持用Llama大语言模型标注、politeness R包礼貌分)、语言学风格(一二人称及第一人称复数代词占比、形容词/动词/六字母以上大词占比、每句词数WPS、分析性思维分、强化词intensifier与最高级superlative依存句法标注、迟疑词tentative/全称思维/肯定语/因果词占比)。结局取自结束后问卷三项5点Likert均值,清晰成功(≥4)与失败(≤2)二分类。用加权单变量逻辑回归检验各特征效应,用tidyLPA做潜剖面分析(Latent Profile Analysis, LPA)识别沟通风格并与典型风格比较效能,最终纳入1062次有效会话(成功847,失败215)。
研究结果
7.1 Treatment Variable Correlations
26项沟通特征的Pearson相关矩阵显示,礼貌标记与每句词数(WPS, r=0.73)、表情符号与情感性语言(r=0.42)呈较强正相关;提问数与情感性语言呈中度负相关(r=-0.37);情感支持与社会支持其他维度相关弱(r=-0.28~0.17),表明各支持类型相对独立。
7.2 Variable-Centred Analysis Results
单变量逻辑回归(控制倾向得分权重)发现11项特征显著(p<0.05)。表情符号(emojis_n)效应最强——每标准差(SD)增量使成功概率升7.3个百分点(80.0%→88.3%, p<0.001);情感性语言(liwc_affect)升6.4点(p<0.001);会话时长(duration)升4.1点(p<0.001)。社会支持中网络支持(socialsprt_net)升4.0点(p=0.035),自尊支持(socialsprt_est)升3.8点(p=0.006),情感支持(socialsprt_emo)升2.7点(p=0.025);最高级(superlative)升3.9点(p=0.010),每句词数(WPS)升3.7点(p=0.003),礼貌标记(politeness)升3.3点(p=0.010)。第一人称单数代词(liwc_i)呈显著负向——每SD增量降3.3点(p=0.005);提问数边际负向(-2.2点, p=0.084)。信息性支持(informational support)无显著效应。
7.3 Person-Centred Analysis Results
LPA确定三剖面解最优(BIC、BLRT及熵0.837)。Profile 1"典型型(Typical)"占54.8%,最高第一人称代词使用、最低表情符号使用,成功率75.4%;Profile 2"情感表达型(Emotionally Expressive)"占20.3%,最高表情符号(0.46)、情感性语言(1.05)、最低提问频率(-0.92),强调情感确认而非诊断,成功率88.0%(较典型型+8.7%, p=0.007);Profile 3"探究驱动型(Inquiry-Driven)"占24.9%,最高提问频(0.75)、最长会话(0.31)、最高WPS(1.20)、最高礼貌(1.28)、最高"你(you)"代词(0.50)与话题一致性(topical congruence, 0.74),通过好奇提问与复杂语言传递理解,成功率86.6%(较典型型+7.3%, p=0.022)。三类风格均持续提供网络、自尊与情感支持。
讨论与结论翻译
本研究表明TBC有效性依赖于助手有意运用文字媒介独有功能进行情感表达与社会支持传递。最强预测因子为情感沟通——表情符号弥补缺失的非言语线索,情感性语言传达共情温暖;较长会话反映深度探索机会;网络、自尊与情感支持(非信息性支持)显著促进感知有用性;较详尽的回复与最高级措辞强化确认感;避免过度第一人称自指(self-focus)。LPA揭示异质有效风格:情感表达型与探究驱动型均优于典型型,说明TBC允许发挥个人自然优势,只要掌握核心支持技能。
结论(Conclusion):有效的文字基在线聊天(Text-Based Online Chat, TBC)依赖特定文字技能——包括通过表情符号(emoticon)与情感性语言(affective language)进行情感表达,以及提供社会支持(social support:network, esteem, emotional)。培训方案应培养这些胜任力,同时允许助手发展不同沟通风格如情感表达型(Emotionally Expressive)或探究驱动型(Inquiry-Driven)取向。