探討智能交互的鼓勵機制

0 評論 3122 瀏覽 12 收藏 12 分鐘

編輯導語:如今隨著科技的不斷發展,AI人工智能開始逐漸深入到學習生活中去,比如在教育領域就出現了很多關于智能學習助手類型的產品,與用戶進行互動;本文作者分享了關于智能產品交互中的鼓勵機制,我們一起來了解一下。

隨著AI時代的到來,智能學習助手、VR教學、口語考評等應用將AI與教育深度融合。百度翻譯APP推出了全新的智能助手,陪伴用戶學口語和背單詞,讓英語學習過程更輕松有效。

本文以百度翻譯APP為例,探討智能學習助手在用戶口語訓練環境下的鼓勵機制;分析學習助手如何與用戶互動,并給予鼓勵,最終提高用戶練習口語的自信心,幫助用戶提升口語技能。

一、鼓勵式交互的探索

1. 交互形式

我們想打造的學習助手是一位有溫度的、智能的貼心小伙伴,也是一位機器人,而機器的交互形式一般分為主動交互以及被動交互(表一),各有利弊:

叮咚~您的私人鼓勵師已就位

表一 機器主動和機器被動交互方式對比

綜上,被動交互確實給用戶帶來了冰冷的感受,而目前的主動交互又不夠智能。

如果說用戶對于我們智能助手是一個機器人的感知很強,則不利于達到我們想給予用戶智能化體驗感的目標,無法營造我們有溫度并且了解用戶的個人學習助手形象,我們首先排除冷冰冰的被動交互。

那么如何解決目前主動交互不夠智能的問題呢?判斷用戶何時需要鼓勵,在適當的時機發起主動交互,則是體現智能感的關鍵所在。

2. 推送機制

在英語對話過程中,如果用戶對于回復內容不滿意或對自己的表達不自信從而導致對話流程中斷,則說明用戶在該場景下需要得到鼓勵,當用戶因為其他原因主動中斷對話則說明當下用戶不需要得到鼓勵。

那么為了使得用戶能夠更自信地將對話流程進行下去,我們需要判斷用戶中斷對話流程的真正原因(表二),當判斷用戶為被動終止對話時(圖一),則需要在此時給到主動的鼓勵式交互。

叮咚~您的私人鼓勵師已就位

表二 如何識別用戶中斷流程的真正原因

叮咚~您的私人鼓勵師已就位

用戶被動終止對話圖示

通過預判,在合適的時機主動給予的鼓勵會給用戶帶來自信感、驚喜感;接下來,讓我們談談鼓勵式交互的具體細節。

二、鼓勵式交互的內容

1. 鼓勵式交互的內容構成

在口語訓練的場景下,為了滿足用戶的自信心,從而敢開口說英語,智能助手的鼓勵形式將采用表情加文字的形式進行鼓勵。表情用于傳達情緒,文字用于傳達意義(表三)。

叮咚~您的私人鼓勵師已就位

表三 鼓勵式交互的內容構成

表情包是聊天中常用的一種表達形式,能迅速拉近人與人之間的距離,智能助手在給予用戶鼓勵時,也可以先以一個可愛的表情開始,讓用戶感受到親切感。

當智能助手發送表情之后,接下來會給予用戶一條文字鼓勵,其目的是為了將鼓勵的信息準確無誤的傳達給用戶,讓用戶感知到自己其實很棒!

表情部分可以應用流行的emoji表情或可愛的插圖表情,在此不做重點分析,本文主要探索文字鼓勵的生成機制。

2. 文字鼓勵的生成機制

針對用戶被動終止對話的情況,專門制定了一套針對英語口語學習場景下鼓勵內容的生成機制,其中整段鼓勵內容由兩部分組成:第一部分是簡單明了的給予用戶一個積極和肯定的詞匯,用于傳達正向的情緒;第二部分則是通過判定英語語句是否地道,來進行細致的贊美。

一個積極的詞匯能夠簡單直接的對用戶的負面情緒產生修復作用,如“真棒、了不起”等,這類詞匯被頻繁運用在各類游戲以及學習APP中。

但是,單純簡單詞匯的使用,有可能向用戶傳達出不走心、敷衍的感覺,所以需要在簡單地夸贊后,通過判定英語語句是否地道,進行差異化贊美;這類夸贊更有針對性,有利于幫助用戶感受到陪自己訓練的不是一個冰冷的機器人,而是一個像朋友一樣的陪練。

3. 判斷英語口語是否地道的標準

根據雅思、托福、英語四六級、BEC商務英語等英語考試的口語測評標準來看,口語考試主要從語言表達的流暢性和準確性,語法和單詞運用的多樣性、復雜性,內容的豐富度和邏輯性等方面來考察。

不同機構和考試對英語口語評價的標準略有差異,但總體來看,評判英語口語是否地道的標準主要有三個方面,分別是流利度、準確度、復雜度,這三個方面也是AI系統可以進行量化的標準。

叮咚~您的私人鼓勵師已就位

判斷英語口語是否地道的標準

流利度:

流利度是一段語音中,用戶說話的停頓次數,單詞的重復次數,說話的語速,語音和語調。

判定方法:單詞與單詞之間停頓度時間越短,則說明用戶流利度越高;例如,在語句中出現類似于“嗯…啊…”等明顯思考度詞語,則視為不流利,如果用戶使用類似詞語次數比以往少,則說明比以往流利度提高了。

復雜度:

復雜度是指一段語音中單詞和語法運用的復雜程度和多樣性。

判定方法:單詞復雜度的方式主要根據使用高階或生僻詞單詞的頻率來判定;語法復雜度主要是依靠用戶使用高階語法的頻率來判定。

準確度:

準確度是指一段語音中語法是否準確,時態是否準確以及單詞運用的是否恰當。

判定方法:需要和該句子的標準翻譯進行比對,主要比對的維度分別為時態、句子成分是否缺失,第三人稱單數,單詞的單復數變形等明顯的語法錯誤。如果用戶運用到了高階的語法,也可以說明語法準確度提高。

由于時態是英語口語學習者最容易犯的錯誤之一,所以如果用戶在時態上的正確率有明顯的提高,那么可以說明用戶的準確度提高;另外,是否使用網絡流行詞匯和相關俚語,可以作為單詞準確度的判定方式之一,如果說用戶在對話中首次使用網絡詞匯和俚語,或者是使用的頻率越來越高則都說明準確度提高。

通過分析英語口語的核心判斷標準可以得出有以下關鍵指標,分別是停頓次數、單詞重復次數、語速、語音、語調、單詞復雜度、單詞準確度、語法復雜度、語法準確度,等9項關鍵指標;當系統識別出用戶處于被動終止對話的狀態時,可以從以上9個指標中隨機篩選一個進行鼓勵。

4. 文字鼓勵的語句結構

通過以上所闡述的原理和標準,主要是讓機器能夠說出一句能夠緩解用戶挫敗情緒的鼓勵內容,其目的還是為用戶營造出智能化的體驗,該鼓勵式語句的一般結構如下表(已申請專利)。

叮咚~您的私人鼓勵師已就位

表四 文字鼓勵的語句結構

三、總結和展望

1. 總結

本文致力于探索人機交互的可能性,從鼓勵式交互出發,圍繞用戶語言學習從而構建智能交互的設計思路。

在學習場景下,用戶學習的投入程度與學習效率有著緊密聯系,通過研究用戶體驗流程,捕捉投入程度薄弱的環節在恰當的時機給予相應的鼓勵,從而提高用戶對于產品使用的參與感、沉浸感,幫助緩解用戶學習積極性不高,自主性不夠的行為表現。

2. 展望

本文所談到的維度確實還存在著一些不足,未對于不同用戶操作習慣進行細分,而是提出了一系列通用的觀點和方法,在具體的學習場景下還會有繁雜的次要場景分支;此次主要根據用戶目標提出了基于主要場景下的設計方案,相關次要場景的設計方案還需進一步深入探討。

近年來,隨著人工智能,5G的技術革新,移動應用、小程序等媒介形態實現了全面發展,更加專注于情感化人機交互的各式產品在不同的領域發揮著強大的號召力和影響力;尤其是在智能算法的加持下,當今的互聯網產品對于用戶而言不再是機器或工具,在交互過程中更作為人格化、情感化的“伙伴”參與用戶的各類生活場景與情感寄托。

作為為用戶創造價值的我們在學習場景下,不只是給予用戶提供學習工具,而應當成為用戶學習過程中不可缺少的部分,應當助力于提升用戶在產品使用場景下的沉浸感、參與感、體驗感,這也對未來智能化人機交互的設計提出了挑戰。

 

本文由 @Lueve 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!