دانلود پایان نامه بررسی تعامل بین انسان ها و چت بات مبتنی بر هوش مصنوعی

1. مقدمه 2. مروری بر مقالات 3. روش تحقیق 4. ابزار طراحی شده 5. نتایج 6. بحث و بررسی 7. نتیجه گیری

چکیده – چت بات ها، به یک نرم افزار فراگیر تبدیل شده اند که امروزه از خدمات بسیاری استفاده می کنند تا پشتیبانی آسان و پیوسته برای کاربران فراهم سازند. صرفنظر از حیطه کاری مدنظر، افراد از چت بات ها استفاده می کنند تا دسترسی سریع به اطلاعات به صورت انسانی پیدا کنند. هنوز هم چت بات ها از نظر قابلیت تعامل، ارائه حقانیت یا حل مسائل اساسی محدود هستند. علاوه بر آن، نداشتن همدلی یکی از معایبی است که برای آنها در فراهم کردن بهترین نتیجه ممکن برای کاربر، محدودیت ایجاد می کند. با در نظر گرفتن آن، هدف این پایان نامه درک این است که چگونه یک چت بات آگاه از نظر عاطفی بر سطح تعامل و مشارکت شرکت کنندگان تاثیر می گذارد و با این فرضیه شروع می کند که «آگاهی ای که چت بات در حین مکالمات نشان می دهد بر تعامل و مشارکت شرکت کنندگان تاثیر می گذارد». این پژوهش از یک رویکرد مطالعه تجربی استفاده کرد زیرا به درک اینکه چگونه آگاهی چت بات ها می تواند بر سطح تعامل شرکت کنندگان تاثیر بگذارد، کمک می کند. به این منظور، یک وب اپلیکیشن توسعه یافته که شامل یک چت بات مبتنی بر OpenAI است. قبل از اینکه شرکت کنندگان شروع به تعامل با چت بات کنند، برای آنها اطلاعات و دستورالعمل هایی در مورد نحوه تنظیم دوربین هایشان ارائه شد تا اینکه حالت چهره شان به درستی قابل تحلیل باشد تا به تجربه مدنظر دست یافته شود. در مجموع 180 شرکت کننده با استفاده از پلتفرم منبع یابی انبوه Prolific، به همکاری گرفته شدند که از این بین، 178 پاسخ در تحلیل نتایج استفاده شدند. شرکت کنندگان به سه شرایط مطالعه یعنی BASELINE، EMOJIONLY و EMOJI-AND-CHAT تقسیم شدند که از لحاظ سطوح آگاهی از عواطف چت بات، تفاوت داشتند. گروه مطالعه BASELINE با یک چت بات ساده تعامل داشتند که اصلاً از عواطف شرکت کنندگان آگاه نبودند. گروه مطالعه EMOJI-ONLY با یک چت بات بحث می کردند که در طی تعامل عواطف خود را به صورت بلادرنگ با استفاده از ایموجی ها، نشان می داد. در گروه مطالعه آخر، EMOJI-AND-CHAT، علاوه بر نشان دادن عواطف شرکت کنندگان از طریق ایموجی ها، چت بات به تغییر خلق و طبع شرکت کنندگان پاسخ می داد و این موضوع حاکی از این بود که چت بات به تغییرات حالت چهره آنها توجه کرده است. هر کدام از شرکت کنندگان، صرفنظر از گروه مطالعه، با چت بات صحبت چند دقیقه ای داشت و با موضوع تجربیات درد مزمن شان شروع شد. موضوع درد مزمن برای تحریک حالت های چهره مختلف به صورت طبیعی بکار گرفته شد. در طی مکالمه تنها چند دقیقه ای، لازم بود موضوع مورد بحث برای شرکت کنندگان جذاب باشد به گونه ای که تغییر حالت های چهره بتواند رخ دهد. با در نظر گرفتن آن، شرکت کنندگان استخدام شده با استفاده از گزینه Profilic با موضوع درد مزمن سر و کار داشتند. در طی مکالمات، حالت چهره شرکت کنندگان تحلیل و گردآوری شدند. علاوه بر آن، در انتهای تعامل، شرکت کنندگان به یک پرسشنامه متشکل از ترکیب 23 سوال کمیتی و 3 سوال کیفیتی، پاسخ دادند. داده های گردآوری شده نشان دادند که آگاهی هیجانی چت بات در طی یک بحث بر سطح مشارکت و تعامل شرکت کنندگان تاثیر می گذارد. با این حال، نتایج قادر نبودند بخصوص به این اشاره کنند که آیا سطح تعامل شرکت کنندگان، تاثیر مثبتی پیدا کرده است و بنابراین احساس مشارکت و تعامل بیشتری کرده اند یا تحت تاثیر منفی قرار گرفته اند و هنگام تعامل با یک چت بات غیرآگاه از عواطف، احساس تعامل کمتری داشته اند. شرکت کنندگان نشان دادند که هم علایق قابل توجه در چت بات های آگاه از عواطف و همچنین نگرانی ها و مسائل و محدودیت های احتمالی، شناسایی شده اند. چت بات استفاده شده در کل این پژوهش برای نشان دادن پتانسیل چنین کاربردهایی، موثر و موفق بود. با این حال، بهبود نحوه واکنش چت بات به تغییرات حالت چهره نیاز به تست و توسعه بیشتر و همچنین بهبود جنبه حریم خصوصی و امنیتی آن دارد تا مردم بیشتر بتوانند به آن اعتماد کنند.

Chatbots have become an omnipresent software that many services is using nowadays to provide easy and continuous support for users. Regardless of the domain in question, people are using chatbots to get quick access to information in a humanlike manner. Still, chatbots are limited in terms of interactivity, providing facts, or solving elemental problems. Moreover, the lack of empathy that chatbots have is a drawback that limits them from providing the best outcome possible for the user. With that in mind, this thesis aims to find out how an emotionally aware chatbot would influence the interaction and engagement level of participants, starting from the hypothesis that "The awareness that the chatbot shows during the conversation impacts the engagement of participants". The research method used was an experimental study approach because it helps with finding how the cause of the awareness of chatbots can affect the engagement level of participants. For that, a web application was developed that consisted of a chatbot driven by OpenAI. Before the participants started to interact with the chatbot, they were provided with information and instructions on how to adjust their cameras so their facial expressions could be analyzed properly in order to get the intended experience. A total number of 180 participants were recruited using the Prolific crowd-sourcing platform, from which 178 responses were used in analyzing the results. The participants were split into three study conditions, namely BASELINE, EMOJIONLY, and EMOJI-AND-CHAT which differed in the emotional awareness levels that the chatbot had. BASELINE study group interacted with a simple chatbot that was not aware of participants’ emotions at all. The EMOJI-ONLY study group discussed with a chatbot that during the interaction showed participants their emotions in real time with the use of emoji pictograms. In the last study group, EMOJI-ANDCHAT, besides showing the participants’ expressions through emojis, the chatbot also replied to the mood changes of the participants with messages that clearly stated that the chatbot noticed their facial expression changes. Each participant, regardless of the study group, had a conversation with the chatbot that lasted for a few minutes and started with the topic of their own chronic pain experiences. The chronic pain topic was used in order to trigger differences in facial expressions naturally. During a conversation of only a few minutes, the topic discussed needs to be of interest to the participant so that differences in facial expressions could occur. With that in mind, participants were recruited using Prolific’s option of selecting participants that deal with chronic pain. During the conversations participants’ facial expressions were analyzed and collected. Moreover, at the end of the interaction, the participants answered a questionnaire composed of a mix of 23 quantitative and 3 qualitative questions. The data collected showed that the emotional awareness that a chatbot is showing during a discussion impacts the level of engagement of participants. However, the results were not able to particularly point out if participants’ level of engagement is affected positively, and thus feeling more engaged, or is affected negatively, feeling less engaged than when interacting with a non-emotional aware chatbot. Participants showed both significant interests in the emotionally aware chatbots, as well as concerns, and identified possible issues and limitations. The chatbot used throughout this research was effective and succeeded to show the potential of such applications. Nevertheless, improving the way the chatbot reacts to changes in facial expressions needs further testing and development, as well as improving its privacy and security side so people would trust it more.