基于 LLM 的用于认知重构压力的聊天机器人用户感知：可行性研究
人机交互
2026-01-05 v1
摘要
认知重构是一种已被广泛研究的情绪调节策略，帮助个体重新解释压力情境以减少其影响。许多数字心理健康工具在支持这一过程方面存在挑战，因为僵化的脚本无法适应用户自然描述压力源的方式。本研究考察了基于 LLM 的单次干预干预（SSI）用于压力认知重构的可行性。我们评估了压力相关结果的短期变化，并检查了使用中的设计张力。我们在一家大型科技公司为 100 名员工进行了可行性研究，他们完成了由 GPT-4o based 聊天机器人提供的结构化认知重构课程。前后测包括感知压力强度、压力心态、感知需求和感知资源。这些结果采用修正了的多重比较的配对 Wilcoxon 符号秩检验进行分析。我们还检查了基于 RoBERTa 的分类器和基于 LLM 的压力评分器用于分析对话四分之一中的情感和压力轨迹。对开放式响应进行主题分析。结果显示，感知压力强度显著降低，压力心态显著改善。感知资源和感知需求的变化呈预期方向趋势，但未达统计显著性。自动分析表明，互动过程中负面情感和压力持续下降。定性发现表明，参与者重视用于组织思绪、获得视角和感到被确认的结构化提示。参与者还报告了关于脚本化程度、偏好交互长度以及对 AI 驱动的共情反应的张力。这些发现突显了将 LLM 集成到工作场所心理健康干预中的潜力与设计约束。
引用
@article{arxiv.2601.00570,
title = {User Perceptions of an LLM-Based Chatbot for Cognitive Reappraisal of Stress: Feasibility Study},
author = {Ananya Bhattacharjee and Jina Suh and Mohit Chandra and Javier Hernandez},
journal= {arXiv preprint arXiv:2601.00570},
year = {2026}
}