社会经济地位如何影响语言技术交互：AI 差距

社会经济地位 (SES) 根本性地影响人们如何相互交往以及他们最近如何与大型语言模型 (LLM) 等数字技术交互。尽管前期研究已突出显示 SES 与语言技术之间的交互，但其局限性在于依赖代理指标和合成数据。我们调查了来自不同社会经济背景的 1,000 名个体关于其语言技术和生成式 AI 使用情况，收集了他们与 LLM 之前交互的 6,482 条提示。我们发现 SES 群体在语言技术使用方式（即频率、执行任务）、交互方式以及话题上存在系统性差异。较高的 SES 意味着更高的抽象水平，更简洁地表达请求，以及涉及 '包容性' 和 '旅行' 等话题。较低的 SES 与 LLM 更高的拟人化程度相关（使用 '你好' 和 '谢谢'）以及更具体的语言表达相关。我们的发现表明，尽管生成式语言技术正变得更易于人人使用，但社会经济地位的语言差异仍然导致其使用方式受分层化影响，以加剧数字鸿沟。这些差异凸显了在发展语言技术时考虑 SES 的重要性，以适应源自社会经济因素的不同语言需求，并限制 SES 群体之间的 AI 差距。