自发互动中感知的对话质量

日常自发对话的质量对于我们自身的幸福感以及交互式社交智能体的发展都十分重要。先前直接研究社交对话质量的工作以狭隘的方式对其进行操作化定义，将更高质量等同于更少闲聊。其他从更宽泛的交互体验视角出发的工作，则通过 rapport 或 engagement 等若干重叠构念中的某一个孤立地间接研究质量。本文通过提出一种基于协作式对话平台（conversation floor）协作属性的对话质量整体概念化框架，弥合了这一鸿沟。采取对话的多层级视角，我们开发并验证了在个体与群体层级上测量感知对话质量（PCQ）的两种工具。具体而言，我们主张从行为薄片（thin slices of behavior）中捕捉外部评分者对参与者体验的整体印象，并在公开可用的 MatchNMingle 野外社交对话数据集上收集 PCQ 标注。最后，我们给出了可预测 PCQ 的行为特征分析。我们发现，对于 MatchNMingle 中的对话，评分者倾向于将更小的群体规模、更均衡的发言轮次（更少打断）以及同步身体协调所需时间，与更高的 PCQ 相关联。