面向不确定情境下的信息搜索对话式决策支持：概要与逐字反馈的效应
人机交互
2026-02-17 v1
摘要
许多真实世界的决策都依赖于信息搜索，在此过程中人们会抽取证据并在不确定情境下决定何时停止，从而导致次优决策结果。环境中的不确定性，特别是诊断性证据的分布方式，使得信息搜索变得复杂，进而导致次优决策。然而，AI决策支持往往侧重于结果优化，而关于如何在不增加认知负荷的情况下支撑搜索的研究相对不足。我们引入SERA——一种基于大语言模型的助手，提供概要或逐字反馈以辅助搜索。在两个实验（N1=54, N2=54）中，我们检验了SERA-概要版、SERA-逐字版和无反馈基准在三个不确定性情境下的决策结果和信息搜索情况。其中，不确定性通过在抽证过程中感知到的信息收益来操作化，这些情境会导致个体在搜索过程中经历信息收益的递减（低不确定性）、局部下降（中等不确定性）或无明显模式（高不确定性）。在SERA支持下，个体表现出更准确的决策结果且更加自信，尤其是在更高不确定性情境下。概要反馈与更高效的整合相关，并显示出减少抽样的描述性模式，而逐字反馈则促进了更广泛的探索。这些发现确立了反馈表征在搜索中至关重要的设计杠杆，激励匹配反馈细粒度度不确定性的自适应系统。
引用
@article{arxiv.2602.14467,
title = {Conversational Decision Support for Information Search Under Uncertainty: Effects of Gist and Verbatim Feedback},
author = {Kexin Quan and Jessie Chin},
journal= {arXiv preprint arXiv:2602.14467},
year = {2026}
}