Investigating Affective Use and Emotional Well-being on ChatGPT.pdf
该文档研究了AI聊天机器人（尤其是ChatGPT）的情感使用和对用户情感福祉的影响。主要通过两个平行研究进行：大规模的ChatGPT平台使用数据分析（超过400万次对话）和一项随机对照试验（RCT），历时28天，涉及近1000名参与者。
**主要研究内容和发现：**
1. **大规模平台数据分析：**
* 通过自动分类器分析了数百万次ChatGPT对话中的情感线索。
* 调查了4000多名用户对ChatGPT的看法。
* 发现高强度使用（例如，位于使用量最高的十分之一的用户）与情绪依赖性指标增加和社交性降低相关。
* 虽然大多数用户以相对中立或以任务为导向的方式进行互动，但仍存在一小部分“超级用户”，他们的对话中经常包含情感线索。
* 使用自定义指令的用户和未使用自定义指令的用户的分类器激活率分布没有显著差异。
* 认为ChatGPT是“朋友”的用户倾向于更频繁地激活情感线索。
2. **随机对照试验（RCT）：**
* 研究了不同模型配置（文本模式、中性语音模式、引人入胜的语音模式）和任务类型（个人、非个人、开放式）对用户情感福祉的影响。
* 总体而言，参与者在四周的研究结束后，孤独感和社交性均有所降低，使用模型时间越长，孤独感和社交性降低越多。
* 在控制使用时长的情况下，使用语音模式与更好的情感福祉结果相关，例如孤独感、情绪依赖性和问题性使用更少。
* 更长的中性语音模式使用时长与更低的社交性和更大的问题性使用相关。
* 预先存在的情感福祉指标是后期互动状态的显著预测指标。
* 最初情绪依赖和问题性使用程度高的参与者在使用引人入胜的语音模式后，这两方面的指标均显著降低。
* 进一步分析表明，用户的使用时长对情绪福祉有影响，长时间使用与较低的社交性、更多的情绪依赖和更多的问题性使用有关。
* 对用户会话的主题进行了分析，发现指定为个人对话的用户拥有更具情感支持性和同理心的对话，随意对话和小谈话以及建议和指导。开放式对话中，使用引人入胜的语音模式的用户更可能使用模型进行随意的对话和小谈话，而较少用于基于事实的查询。
**方法论总结：**
* 指出在线平台数据分析和RCT是研究情感使用和情感福祉的互补方法。
* 强调了自动分类器在研究模型情感使用中的作用，尽管它们并不完美，但提供了一种有效的方法来大规模地研究情感使用。
* 强调了研究人类与模型互动需要考虑多样化的视角和语境。
**关于社会情感对齐的讨论：**
* 强调了模型开发者考虑模型对用户心理状态和社会环境的影响的重要性，即社会情感对齐。
* 提出了自动化对话分析，用户自我报告测量等方法，可以促进对社会情感对齐的研究。
* 强调了模型特征、用户行为和长期使用对情感福祉的潜在影响。
**总体结论：**
研究表明，AI聊天机器人的情感使用与用户情感福祉之间的关系是复杂且细致的。高强度使用与负面情绪指标相关，而语音模式的影响因用户个人情况和使用方式而异。同时强调，一小部分用户贡献了不成比例的情感线索。未来的研究应该更多地关注这些高强度用户，以更好地了解AI聊天机器人对用户情感的影响。
相关报告
-
9.87 MB 43页 Generative AI and the future of work.pdf
-
8.69 MB 82页 超越Chatgpt的AI agent综述.pdf
-
4.68 MB 72页 【KPMG】Voices on 2030：Digitalizing government.pdf
-
1.28 MB 24页 【BCG】2025 BCGs Guide to Cost and Growth.pdf
-
4.84 MB 21页 2024款AION V Plus新车上市全面突围营销.pdf
-
6.97 MB 196页 TECHNOLOGY AND INNOVATION REPORT 2021.pdf
-
14.76 MB 261页 unilever-annual-report-and-accounts-2023.pdf
-
1.85 MB 51页 2024H1全球移动应用广告变现报告-TopOn x Taku-202407.pdf
-
2.72 MB 59页 2024H1全球手游广告变现报告-TakuTopOn-202407.pdf
-
34.99 MB 464页 ChatGPT+的前世今生.pdf