人类-人工智能叙事合成：在公民决策中培育共同理解
人机交互
2025-09-25 v1 计算与语言
摘要
在代表性政治语境中（如学区），社区参与过程会产生大量反馈，传统的综合方法已无法应对，这不仅在公民领导者与选民之间，甚至在社区成员之间都造成了理解障碍。为此，我们开发了 StoryBuilder—a人类-人工智能协作式管道，将社区输入转化为易于理解的第一人称叙事。我们使用来自持续进行的学区重划进程中的 2,480 条社区反馈，生成了 124 条合成叙事，并通过面向移动设备的 StorySharer 界面进行部署。我们的混合方法评估结合了四个月的现场部署、21 名社区成员的用户研究，以及控制实验，检验叙事构成对参与者反应的影响。现场结果表明，叙事帮助社区成员在多元视角之间建立关联。在实验中，经验 grounding 的叙事比富于意见的叙事在尊重与信任方面表现更佳。我们贡献了一个人类-人工智能叙事合成系统，并阐述了其在现实公民语境中不同接受度与有效性。
引用
@article{arxiv.2509.19643,
title = {Human-AI Narrative Synthesis to Foster Shared Understanding in Civic Decision-Making},
author = {Cassandra Overney and Hang Jiang and Urooj Haider and Cassandra Moe and Jasmine Mangat and Frank Pantano and Effie G. McMillian and Paul Riggins and Nabeel Gillani},
journal= {arXiv preprint arXiv:2509.19643},
year = {2025}
}