一种理解语音助手故障后用户信任的混合方法研究

尽管近年来通过大语言模型（large language models, LLM）在自然语言理解方面取得了巨大性能提升，语音助手仍经常无法满足用户期望。在本研究中，我们对语音助手故障如何影响用户对其语音助手的信任进行了混合方法分析。为说明用户如何经历这些故障，我们贡献了一个包含199个语音助手故障的众包数据集，这些故障被划分为12种故障来源。依托访谈与调查数据，我们发现某些故障（例如因过度捕获用户输入而导致的故障）比其他故障更能破坏用户信任。我们还进一步考察了故障如何影响用户在未来任务中依赖语音助手的意愿。用户常会在短期内停止将语音助手用于导致故障的特定任务，之后恢复类似使用。我们展示了低代价任务（如播放音乐）在故障后建立信任方面的重要性。