将人格特质融入LLM消息的感知：一种关系基础设施视角

数字行为变更系统越来越依赖于重复且系统发起的消息，以支持用户在日常情境中的行为变更。LLM使这些消息能够在交互中始终如一地实现个性化，但仍不清楚这种个性化是改善单个消息还是通过暴露模式塑造用户感知。我们探讨了这个问题，采用LLM生成的JITAIs(即时行为干预消息）作为应用领域，这些消息在被认为合适的时刻传递，以支持行为变更。在一个受控的回顾性研究中，90名参与者评估了使用四种LLM策略生成的消息：基线提示、few-shot提示、微调模型和检索增强生成，每种策略都配备和不配备大五人格特质，以在多个情境下产生符合人格的通信。使用包含在-between分解的有序多层模型，我们区分了试验级效应（人格信息是否改善单个消息的评估）和人层暴露效应（接受更多人格信息消息的参与者是否系统性地表现出不同的整体感知）。结果显示，没有试验级关联，但接收更多基于BFPT信息消息的参与者对消息的个性化、适当性持更高评价，并报告更少的负面情绪。我们采用沟通适应理论进行事后分析。这些结果表明，行为变更系统中的基于人格的个性化可能主要通过整体暴露而非单个消息优化来运作，对如何在持续的人机交互中设计和评估自适应系统具有启示意义。需要在现实情境中进行原位纵向研究来验证这些发现。