ExploreSelf：面向个人挑战的用户驱动探索与反思，由大语言模型提供自适应指导
人机交互
2025-05-09 v3 人工智能
计算与语言
摘要
通过文字表达压力经历已被证明可改善心理和身体健康，但个体常因难以组织思想和情感而倦怠于写作干预。反思提示曾用于提供方向，大语言模型（LLM）已展现出提供量身定制指导的潜力。然而，当前系统常限制用户灵活控制反思过程。我们因此提出 ExploreSelf，一个由 LLM 驱动的应用程序，旨在赋能用户控制其反思旅程，通过动态生成的问题提供自适应支持。通过对 19 名参与者的探索性研究，我们检验了参与者如何使用 ExploreSelf 探索和反思个人挑战。我们的发现表明，参与者重视灵活的自适应指导导航，以控制其反思旅程，从而实现更深入的参与和洞察。基于我们的发现，我们讨论了设计以促进用户驱动和有效反思个人挑战的 LLM 工具的影响。
引用
@article{arxiv.2409.09662,
title = {ExploreSelf: Fostering User-driven Exploration and Reflection on Personal Challenges with Adaptive Guidance by Large Language Models},
author = {Inhwa Song and SoHyun Park and Sachin R. Pendse and Jessica Lee Schleider and Munmun De Choudhury and Young-Ho Kim},
journal= {arXiv preprint arXiv:2409.09662},
year = {2025}
}
备注
17 pages excluding reference and appendix. Accepted at ACM CHI 2025. https://naver-ai.github.io/exploreself