智能家居場景中會話智能體主動交互設計研究

王爾卓，袁 翔，李士巖

智能家居場景中會話智能體主動交互設計研究

王爾卓1，袁 翔1，李士巖2

(1. 湖南大學設計與藝術學院，湖南 長沙 410000；2. 百度在線網絡技術(北京)有限公司，北京 100089)

針對智能家居場景中會話智能體的主動交互設計策略，從決策權與溝通方式出發對主動性的特征進行討論，并在此基礎上構建4種主動風格(直率的建議者、直率的決策者、委婉的建議者、委婉的決策者)。通過“綠野仙蹤”實驗方法探究用戶的性別、年齡、使用經驗以及居住狀態對主動風格偏好的影響，得出以下結果：①經驗用戶認為“建議者”風格比“決策者”風格更滿意；家庭用戶認為“建議者”風格比“決策者”風格更舒適；②“直率”的溝通方式在滿意度和舒適度方面均優于“委婉”的溝通方式。實驗驗證了：①用戶智能家居產品的使用經驗及其居住狀態會顯著影響其對會話智能體主動風格的偏好；②智能家居場景下，會話智能體的溝通效率比禮貌更重要。

主動交互；人機交互；會話智能體；智能家居；用戶屬性

隨著物聯網技術與人工智能的發展。諸如亞馬遜Alexa、小度音箱、天貓精靈等會話智能體產品(conversational agents)已進入人們的生活并被廣泛應用于家庭中[1]。

LUGER和SELLEN[2]將會話智能體定義為一種語音對話系統，其嵌入在某項技術或設備中，具有多樣化形象(如siri的動態圖形或擬人形象的機器人)，通過一些語言與非語言行為模擬人與人面對面的交流體驗，并且不同于單純的聊天機器人，會話智能體具有一些實質性的功能。

智能家居場景中，會話智能體產品常常以智能音箱為實體形象，其主要功能包括媒體播放、查詢天氣與新聞、訂購商品等，可作為智能家居系統的一部分，用戶通過語音的方式控制與其適配的其他智能家電設備(以亞馬遜Alexa為例，用戶可以通過呼叫Alexa開關臥室的燈、控制廚房水槽排放，開關客廳智能電視等其他設備等)。SCIUTO等[3]將亞馬遜公司的這類智能家居系統模式統稱為“以會話智能體為中心的家居生態系統”，是當前智能家居發展的重要趨勢之一。

隨著智能家居生態系統的不斷完善，通過集成各種傳感器、執行器以及大數據，會話智能體不僅能感知環境信息，響應用戶指令，還具備了主動采取行動為用戶服務的能力。已有研究指出，智能體的主動服務可以幫助有潛在需求的用戶[4]，并且人們無需向智能體發送明確的請求，從而減少其在整個過程中的投入[5]。還有研究利用會話智能體的主動行為作為一種技術干預，在強化學習[6]和健康管理[7]方面對用戶進行引導。

但在不同的場景中，人們對智能體主動行為的態度并不相同。智能體的主動行為可能是一種便利，也可能是一種打擾。智能體的主動交互設計不僅要根據環境采取適應性策略，也必須關注用戶的屬性[8]。XIAO等[9]指出，用戶對于智能體主動行為的主觀喜好程度與用戶的個體差異相關，因此“如何在提供主動幫助和不打擾用戶之間找到平衡”是會話智能體廣泛應用所面臨的一個巨大挑戰。

針對智能家居場景，本文從決策權與溝通方式2個維度出發對會話智能體的主動性概念進行討論，通過定義“主動風格”來梳理智能體的主動行為特征與策略，通過綠野仙蹤(Wizard of OZ)實驗分析用戶屬性對主動風格偏好的影響，進而指導智能家居產品的主動交互設計。

1 人工智能體的主動性研究

RAFFERTY等[10]指出，“主動性”是人工智能體表現智能的重要屬性之一。但在不同的應用場景下，智能體主動行為的具體目標不同，研究者對主動性概念的認知也不同。已有文獻將其分為2類：

(1) 主要研究特定社交場景下智能體主動發起與人類溝通時應采用的具體方式和方法。如KATO等[11]為商場引導機器人制定了一種“低打擾度”的主動策略，即機器人在與行人溝通前，應通過身體朝向與注視等行為向行人展現自己的交流意圖。GARRELL等[12]與ROUSSEAU等[13]討論了當機器人在戶外向行人請求幫助時，非語言行為(面部表情、頭部轉向、手勢以及移動軌跡)的作用。其研究主要從人的社交行為細節中發掘智能體主動行為的設計靈感，并未對主動性概念進行結構化的討論。

(2) 主要研究特定任務場景下人與智能體的協作問題。對主動行為的討論主要圍繞自治性(autonomy)這一概念，即與智能體(機器人)協作時人類需要介入的程度[14]。又如，BARAGLIA等[15]在人與機器人合作完成工作臺物件操作任務時，基于自治水平的高低提出了3種主動模型。PENG等[16]從職業心理學中的主動性定義出發，在自治性概念的基礎上又進一步結合了機器人對用戶的預期，為商場購物助手機器人定義了高、中、低3個主動等級。

上述研究對于討論智能體的主動行為具有一定指導意義，但這些研究所關注的場景主要是公共場所(商場、戶外)和工作環境，并未針對智能家居場景下會話智能體與人的關系進行討論。

2 家居場景下會話智能體主動性的關鍵特征

在智能家居場景下，會話智能體既是協助人們執行任務的工具，也是與人們交流對話的伙伴。DAUTENHAHN[17]認為，在智能家居場景中，智能體(機器人)的基本屬性有：①效用，幫助用戶完成特定的工作；②社交，以人類能接受的方式與其交互?；诖?，在智能家居場景下討論會話智能體的主動性，也需要回應2個基本問題：①會話智能體應如何主動幫助用戶完成特定工作，即自動化與決策權的問題；②會話智能體應如何主動地發起與人的互動，即社交行為與溝通方式的問題。

(1) 自動化與決策權。在家居環境中，家庭自動化水平決定了智能體能在多大程度上收集、分析信息并主動對其他設備(如電器)實施控制。而在家庭自動化研究中，用戶與系統之間決策權的分配是設計的重點[18]。PARASURAMAN等[19]指出，自動化水平反映了，機器在與人類合作收集、分析信息并做出決策與行動的過程中所占的比重。因此在智能家居場景下，決策權在人與智能體之間如何分配是反映會話智能體主動性水平的一個關鍵特征。

(2) 社交行為與溝通方式。由于具備語言和表情等擬人化溝通能力，智能體可能會被人們視為有生命的社會成員[20]。在人與人的交流過程中，溝通方式會影響人們對他人觀點或建議的接受程度[21]，而這種影響在人與智能體的交流活動中也同樣存在。RAU等[22]與李輝等[23]的研究說明，當機器人采用直接或含蓄(explicit or implicit)的溝通方式時，人們對其建議的接受程度存在顯著差異。在智能家居場景下，會話智能體的主動行為常常被作為一種技術干預來影響用戶行為(如日程事項提醒[2])。因此，溝通方式是討論智能家居場景下定義會話智能體主動性的另一個關鍵變量。

3 構建智能家居場景下會話智能體主動交互設計策略

3.1 智能家居會話智能體的4種主動風格

已知決策權與溝通方式是智能家居場景下定義會話智能體主動性的2個關鍵特征。從決策權的維度看，主動行為可分為“機器決策與人決策” 2種基本思路；從溝通方式的維度看，則可以將其分為“直接的與含蓄的” 2種基本方式。如果將 2組變量交叉組合，就得到會話智能體的4種基本主動交互策略，即主動風格：直率的決策者(straightforwarddecision maker，SDM)、委婉的決策者(reversed decision maker，RDM)、直率的建議者(straightforward adviser，SA)以及委婉的建議者(reversed adviser，RA)，如圖1所示。

圖1 主動特征與主動風格

3.2 用戶屬性與主動風格偏好

不同用戶對于智能體主動行為有不同態度，討論特定用戶屬性與特定主動風格之間的相關性，對于智能家居場景下會話智能體的主動交互設計具有現實的指導意義。本文重點關注用戶的屬性，如：性別、年齡、智能家居產品使用經驗和居住狀態(表1)。

表1 相關用戶屬性

4 實 驗

為了獲取用戶對智能體主動風格的偏好，本文采用了“綠野仙蹤(The Wizard of OZ)”方法設計并組織了實驗。實驗模擬了2種家居場景：①被試在實驗中執行家居場景下的日常活動任務；②在任務的進行中，會話智能體主動為用戶執行常見的智能家居功能。

4.1 實驗任務

本文根據BAKKER[27]在研究中提到的2種用戶典型生活狀態，設計了A和B 2項日常任務。其中，任務A要求被試挑戰游戲手機“flappy bird”，并營造用戶專注于單一任務的活動狀態；任務B要求被試一邊看電視一邊做簡單家務(將紅、黑2色混在一起的豆子分裝到不同的容器中)，營造用戶同時進行多項較為輕松的任務狀態。

此外，基于3種典型的智能家居功能與服務(安全與安保、環境與照明、媒體播放)[28]，分別構建了3種實驗場景：①正在燒開水，智能體主動為被試關閉燒水壺；②環境光線較暗，智能體主動為被試打開臺燈；③正在播放音樂，智能體主動控制音樂的播放。由于實驗時間不宜過長，每名被試者只隨機體驗了3種功能中的2種，每種功能會話智能體均以4種不同主動風格按照隨機順序向用戶發起交互，任務情況如圖2所示。

4.2 被試者情況

參與實驗的被試者共60人，年齡范圍為18~52歲(均值27.8，方差10.28)。被試者均來自湖南省長沙市，詳細信息見表2。將被試者隨機分為2組，每組30人，分別執行A和B 2項實驗任務。

圖2 實驗任務

表2 被試者屬性

4.3 實驗工具與實驗設計

為了更好地模擬用戶與會話智能體的互動場景，本文使用Arduino，Processing和3D打印技術開發了原型機(圖3)。其包括舵機、顯示屏、LED燈帶和音箱等組件，能通過面部表情、轉向動作和語音向被試表達意圖。

圖3 會話智能體原型機

根據實驗確定的3個場景，分別為每個場景定義了4種會話腳本(對應4種主動風格)。表3列出了在打開臺燈場景中，原型機會話腳本的具體內容。所有腳本均使用百度AI開放平臺自動將文字腳本轉換為語音。在執行時，為了更好地引起用戶的注意，原型機將同步做出表情、轉向和閃爍等非語言輔助動作，且所有腳本的輔助動作均完全一致。

表3 會話腳本(以打開臺燈為例)

實驗采用“綠野仙蹤(The Wizard of OZ)”的方法，每次實驗共有2名實驗人員和1名被試者參與，其中實驗員1負責實驗記錄，實驗員2在不引起被試注意的情況下根據會話腳本對原型機進行操控，被試者則在一個相對獨立的空間內體驗實驗項目，如圖4所示。

圖4 實驗場景布置

實驗主要采用李克特五點量表對被試者的滿意度與舒適度2項指標進行測量(分數范圍從1~5分)。滿意度與舒適度為評價智能家居產品設計的2個重要指標(滿意的感覺是用戶對產品產生偏好選擇的重要原因[29]；獲得舒適感是用戶使用智能家居的主要目的之一[30])。由于本次實驗每名被試者需要連續體驗多種會話腳本(且對應不同的主動風格)，持續時間較長，考慮到過于復雜的量表可能會引起被試者疲勞，影響實驗結果，因此未在量表中引入其他指標。

4.4 實驗過程

實驗開始前，首先向被試者介紹“主動”的概念、原型機功能以及實驗步驟，以避免被試者在實驗中感到困惑。實驗開始后，被試者隨機進入預先構建的功能情景(圖5)，根據桌上的任務器材保持相應的任務狀態。被試者開始任務后，智能體根據會話腳本呈現不同的主動風格與被試互動。每體驗一種會話腳本，被試者即被要求填寫1次量表并進行打分，之后研究者對其進行深入訪談，了解其具體感受。

圖5 實驗場景

5 實驗結果

研究者將每名被試者對于同一主動風格的2種不同功能的評分進行求和平均，以盡量消除功能類型的影響。

為了更好地探究數據背后的意義，研究者將數據分為3組進行組內對比分析：①SA與RA為“建議者風格”組，SDM與RDM為“決策者風格”組，探究二者的差異；②SA與RA進行對比分析，探究“決策者風格”下，溝通方式的差異；③SDM與RDM進行對比分析，探究“建議者風格”下，溝通方式的差異，見表4。

表4 數據分析分組情況

5.1 主動風格的整體評價

研究者分別對3組組內進行獨立檢驗，結果如圖6與表5所示。

圖6 用戶主動風格整體評價

表5 主動風格整體評價t檢驗

(*：<0.050)

被試者對于“建議者風格”與“決策者風格”，滿意度與舒適度評分均無顯著差異(滿意度：(238)=1.007，=0.315；舒適度：(238)=0.680，=0.497)。

“建議者風格”下，被試對直接的溝通方式更滿意、更舒適，且兩者具有顯著性差異(滿意度：(118)=4.283，=0.000；舒適度：(118)=3.651，= 0.000)。

“決策者風格”下，被試對直接的溝通更滿意、更舒適，且兩者具有顯著性差異(滿意度：(118)=2.087，=0.039；舒適度：(118)=2.618，= 0.010)。

5.2 用戶屬性對主動風格評價的影響

為了探究不同的用戶屬性是否對于被試主動風格的評價存在影響，研究者使用雙因素方差分析對每個因變量(滿意度、舒適度)進行檢驗，用戶屬性為組間變量，主動風格(按a，b，c對照組劃分)為組內變量，結果見表6。其中智能產品使用經驗與決策權存在滿意度上存在顯著交互效應((1,238)= 5.925,=0.016)；居住狀態與決策權在舒適度上存在顯著交互效應((1,238)=4.518,=0.035)。

表6 用戶屬性與主動風格的雙因素方差分析

(*：<0.050)

表7 不同屬性用戶對于“決策風格”評分差異t檢驗

(*：<0.050)

6 討 論

從實驗結果看，被試者對于會話智能體的4種主動風格是存在偏好的。總體上，被試者更偏向直接的溝通方式。其中，經驗用戶與家庭用戶更偏向“直接的建議者”風格(被試偏好定位如圖8所示)。研究者結合用戶訪談，對觀察到的結果進行了分析。

圖8 用戶屬性與主動風格偏好

6.1 溝通方式的總體偏好

通過訪談發現，直接的溝通方式在滿意度和舒適度上顯著高于含蓄的溝通方式，其主要原因是“溝通效率”。如被試者明確指出，智能體采用直接的溝通方式時“自己不需要考慮太多，效率更高(31號被試者)”；而采用含蓄的溝通方式時，就“容易感到困惑(24號被試者)”。

需要說明的是，此結果與已有文獻對公共場合下智能體主動行為的研究結果明顯不同。文獻[4,11]指出，公共場合中的社交服務機器人應采用“低打擾程度”的主動策略，過于直接的溝通行為反而會降低與人對接成功的幾率。不同研究結果的差異說明，在不同的場合下人們有不同的社交標準，而這種不同也會轉移到人與智能體的互動中。在公共空間中，人們的行為習慣更加正式，其關注智能體的行為是否足夠禮貌，而在家中，人們習慣于更隨意的交流方式，認為含蓄的溝通方式“太客氣了，沒必要，希望溝通更加高效一點(24號被試者)”。

6.2 使用經驗與居住狀態對主動風格偏好的影響

從實驗結果來看，用戶屬性中的“智能產品使用經驗”以及“居住狀態”對主動風格偏好具有顯著影響。使用經驗方面，具有智能產品使用經驗的被試者偏好“建議者風格”，因為其對智能體的能力有更豐富的要求。比如，部分沒有使用經驗的被試者主要關注智能體的“功能和效率”，認為“能自動執行……非常智能(39號被試)”。相比之下，有使用經驗的被試還關注智能體的“社交和溝通”，因為智能體采取行動前詢問自己的意見，“體現了體貼、溫暖，讓自己感到被尊重了(54號被試者)”?！敖ㄗh者風格”之所以被青睞，正是因為在社交上反映出一種平等的關系，說明不同經驗水平的用戶對于“智能”的理解和需求是多維的。

居住狀態方面，與家人一起居住的被試者偏好“建議者風格”，因為其對家庭場景下的家居事務有更加復雜的認識，認為智能體的決策行為應更加保守。比如，有被試者考慮到，智能體對于家居事務的某個處理可能“其他家庭成員喜好不同(46號被試者)”；而且，一家人住在一起，“很多場景比燒開水更復雜(42號被試者)”。其對智能體是否可做出讓所有人滿意的處理持更加謹慎的態度，因此希望由人作出最終決策。

7 結束語

本文從決策權與溝通方式2個維度出發，對智能家居場景下會話智能體的主動性特征以及4種主動風格進行了討論。研究發現，在智能家居場景下，用戶普遍更注重與智能體的“溝通效率”，因此整體上偏好直接的溝通方式。此外，經驗用戶和家庭用戶都偏好“建議者風格”，但兩者原因卻有所不同。前者是希望能與智能體建立社交上的平等關系，而后者則是出于對家庭事務復雜性的考慮。以上發現對于構建智能家居產品的主動交互設計策略具有一定的指導意義。

由于時間與成本的限制，本文仍存在不足之處。比如，家居場景是復雜的，一些場景很難在實驗環境中模擬，所以本文僅對少數幾個適合實驗的家居場景進行了討論。其次，由于實驗設計和被試工作量的原因，實驗量表僅測量了舒適度和滿意度2個指標，比較簡單。此外，本文4種主動風格的定義主要基于決策權與溝通方式2個維度的2個變量水平。是否可以引入第3個維度，是否需要細分出更多的變量水平，都有待后續進一步研究。

[1] PURINGTON A, TAFT J G, SANNON S, et al. “alexa is my new BFF”: social roles, user satisfaction, and personification of the Amazon echo[C]//Proceedings of the 2017 CHI Conference Extended Abstracts on Human Factors in Computing Systems - CHI EA’17. New York: ACM Press, 2017: 2853-2859.

[2] LUGER E, SELLEN A. “Like having a really bad PA”: the gulf between user expectation and experience of conversational agents[C]//Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. New York: ACM Press, 2016: 5286-5297.

[3] SCIUTO A, SAINI A, FORLIZZI J, et al. “Hey alexa, what's up?”: a mixed-methods studies of in-home conversational agent usage[C]//Proceedings of the 2018 on Designing Interactive Systems Conference 2018 – DIS’18. New York: ACM Press, 2018: 857-868.

[4] SATAKE S, KANDA T, GLAS D F, et al. How to approach humans?: strategies for social robots to initiate interaction[C]//Proceedings of the 4th ACM/IEEE international conference on Human robot interaction – HRI’09. New York: ACM Press, 2009: 109-116.

[5] RASHED M G. Observing people’s behaviors in public spaces for initiating proactive human-robot interaction by social robots[D]. Saitama: Saitama University, 2016

[6] KIM Y, BAYLOR A L, GROUP P. Pedagogical agents as learning companions: the role of agent competency and type of interaction[J]. Educational Technology Research and Development, 2006, 54(3): 223-243.

[7] BICKMORE T, MAUER D, CRESPO F, et al. Persuasion, task interruption and health regimen adherence[C]//Proceedings of the 2nd International Conference on Persuasive Technology. Heidelberg: Springer, 2007: 1-11.

[8] LIAO Q V, DAVIS M, GEYER W, et al. What can you do?: studying social-agent orientation and agent proactive interactions with an agent for employees[C]// Proceedings of the 2016 ACM Conference on Designing Interactive Systems. New York: ACM Press, 2016: 264-275.

[9] XIAO J, CATRAMBONE R, STASKO J. Be quiet? evaluating proactive and reactive user interface assistants[C]//Proceedings of INTERACT 2003. Heidelberg: Springer, 2003: 383-390.

[10] RAFFERTY L, IQBAL F, ALEEM S, et al. Intelligent multi-agent collaboration model for smart home IoT security[C]//2018 IEEE International Congress on Internet of Things (ICIOT). New York: IEEE Press, 2018: 65-71.

[11] KATO Y, KANDA T, ISHIGURO H. May I help you?: design of human-like polite approaching behavior[C]// Proceedings of the Tenth Annual ACM/IEEE International Conference on Human-Robot Interaction – HRI’15. New York: ACM Press, 2015: 35-42.

[12] GARRELL A, VILLAMIZAR M, MORENO-NOGUER F, et al. Proactive behavior of an autonomous mobile robot for human-assisted learning[C]//2013 IEEE RO-MAN. New York: IEEE Press, 2013: 107-113.

[13] ROUSSEAU V, FERLAND F, LéTOURNEAU D, et al. Sorry to interrupt, but may I have your attention? preliminary design and evaluation of autonomous engagement in HRI[J]. Journal of Human-Robot Interaction, 2013, 2(3): 41-61.

[14] BEER J M, FISK A D, ROGERS W A. Toward a framework for levels of robot autonomy in human-robot interaction[J]. Journal of Human-Robot Interaction, 2014, 3(2): 74-99.

[15] BARAGLIA J, CAKMAK M, NAGAI Y, et al. Initiative in robot assistance during collaborative task execution[C]//2016 11th ACM/IEEE International Conference on Human-Robot Interaction (HRI). New York: IEEE Press, 2016: 67-74.

[16] PENGZ, KWON Y, LU J, et al. Design and evaluation of service robot’s proactivity in decision-making support process[C]//Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems. New York: ACM Press, 2019: 98.

[17] DAUTENHAHN K. Socially intelligent robots: dimensions of human–robot interaction[J]. Philosophical Transactions of the Royal Society B: Biological Sciences, 2007, 362(1480): 679-704.

[18] MENNICKEN S, HUANG E M. Hacking the natural habitat: an in-the-wild study of smart homes, their development, and the people who live in them[C]// Lecture Notes in Computer Science. Heidelberg: Springer, 2012: 143-160.

[19] PARASURAMAN R, SHERIDAN T B, WICKENS C D. A model for types and levels of human interaction with automation[J]. IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans, 2000, 30(3): 286-297.

[20] DARLING K. “Who’s johnny?” anthropomorphic framing in human–robot interaction, integration, and policy[EB/OL]. [2019-11-22]. http://papers.ssrn.com/ sol3/papers.cfm?abstract_id=2588669.

[21] SANCHEZ-BURKS J, LEE F, CHOI I, et al. Conversing across cultures: east-west communication styles in work and nonwork contexts[J]. Journal of Personality and Social Psychology, 2003, 85(2): 363-372.

[22] RAU P L P, LI Y, LI D J. Effects of communication style and culture on ability to accept recommendations from robots[J]. Computers in Human Behavior, 2009, 25(2): 587-595.

[23] 李輝, 饒培倫, 陳翠玲, 等. 溝通語音與溝通風格對決策者接受建議的影響[J]. 科技導報, 2013, 31(26): 23-29. LI H, RAU P P, CHEN C, et al. Effects of communication voice and communication style on acceptance of recommendations[J]. Science & Technology Review, 2013, 31(26): 23-29 (in Chinese).

[24] VENKATESH V, MORRIS M G, DAVIS G B, et al. User acceptance of information technology: toward a unified view[J]. MIS Quarterly, 2003, 27(3): 425-478.

[25] CLARK M, NEWMAN M W, DUTTA P. Devices and data and agents, oh my[J]. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 2017, 1(3): 1-26.

[26] COSKUN A, KANER G, BOSTAN ?. Is smart home a necessity or a fantasy for the mainstream user? A study on users’ expectations of smart household appliances[J]. International Journal of Design, 2018, 12(1): 7-20.

[27] BAKKER S. Design for peripheral interaction[D]. Eindhoven: Eindhoven University of Technology, 2013.

[28] BRUSH A J B, LEE B, MAHAJAN R, et al. Home automation in the wild: challenges and opportunities[C]//Proceedings of the 2011 Annual Conference on Human Factors in Computing Systems – CHI’11. New York: ACM Press, 2011: 2115-2124.

[29] 洪政頡. 產品的操作對造形要素喜好影響之研究——以USB隨身碟為例[D]. 臺北: 大同大學, 2008. ONG Z J. Research on the influences of operating product on the preference for form factors: a case study of USB flash drive[D]. Taipei: Tatung University, 2008 (in Chinese).

[30] MENNICKEN S, VERMEULEN J, HUANG E M. From today’s augmented houses to tomorrow’s smart homes: new directions for home automation research[C]//Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing – UbiComp’14 Adjunct. New York: ACM Press, 2014: 105-115.

Proactive interaction design of conversational agent for smart homes

WANG Er-zhuo1, YUAN Xiang1, LI Shi-yan2

(1. School of Design, Hunan University, Changsha Hunan 410000, China; 2. Baidu Online Network Technology (Beijing) Co. Ltd, Beijing 100089, China)

Aimed at the proactive interaction design strategies of conversational agents (CAs) in the smart home, the proactivity was discussed in this article based on decision right and communication style. In this light, four proactive styles (straight forward decision-maker and adviser, euphemistic decision-maker and adviser) were designed for smart home CAs. A Wizard-of-OZ experiment was conducted to investigate the effects of users’ gender, age, experience and living status on their preferences for proactive styles. The results reveal that:① Users having had experience with smart home products are more satisfied with the “adviser” style; family users feel more comfortable with the “adviser” style. ② Users generally feel more satisfied and comfortable when the CA communicates with them in an explicit manner. And the experiment verifies that: ① Users’ prior experience with smart home products and their living states have an impact on users’ preferences for proactive styles of smart home CAs. ② In the smart home scenario, it is found that the communication efficiency of CAs is more important than politeness.

proactive interaction; human-computer interaction; conversational agents; smart homes; user characteristics

TB 472

10.11996/JG.j.2095-302X.2020040658

A

2095-302X(2020)04-0658-09

2020-02-09；

2020-03-17

17 March，2020

9 February，2020；

王爾卓(1992-)，男，湖南株洲人，碩士研究生。主要研究方向為交互設計。E-mail：956834969@qq.com

WANG Er-zhuo (1992-), male, master student. His main research interests cover interaction design. E-mail：956834969@qq.com

袁 翔(1978-），男，湖南株洲人，副教授，博士。主要研究方向為信息與交互設計。E-mail：18975182468@qq.com

YUAN Xiang (1978-), male, associate professor, Ph.D. His main research interests cover information and interaction design. E-mail：18975182468@qq.com