融合不同语言线索以提高基于计算机的文本健康信息传播

智能手机的普及导致了即时 healthcare 的增长。例如，人们可以与相似的其他人分享其与疾病相关的经历，医疗专家可为不可治愈、终末期和精神疾病提供更好的治疗和护理建议。除了人与人之间的沟通外，人与计算机的数字健康信息传播也日益增长，例如聊天机器人。它们可以在不需要人类对话伙伴的情况下提供同步和匿名的反馈。然而，涉及人类对话的许多细微之处，计算机代理人可能无法正确体现。例如，需要根据对话情境恰当地选择各种对话风格、礼仪、礼貌策略或共情回应。鼓励地是，计算机是社会行动者(CASA)的理论认为，人们会对计算机应用与对人相同的社会规范。基于此，先前的研究聚焦于将对话策略应用于计算机代理人，以使其更贴近人类的特征。如果计算机代理人在这方面表现不佳，可能会导致用户的负面反应。因此，本论文描述了一系列研究，致力于提高人与计算机数字健康信息传播的效果。我们在第一项研究中使用众包[...]我们的第二项研究探讨了健康聊天机器人对话风格的影响[...]在我们的最后一项研究中，我们研究了聊天机器人在[...]总结来说，我们研究了如何创建更有效的数字健康干预，从生成健康信息、选择合适的表达方式，到格式化引用用户先前言论的消息。