Artificial Empathy: User Experiences with Emotionally Intelligent Chatbots
Notice bibliographique
Résumé
This study aims to explore user experiences with emotionally intelligent chatbots, focusing on their perceived empathy, satisfaction with interactions, and the impact on user perception. Additionally, it seeks to identify the main challenges and future expectations users have towards these AI systems. Employing a qualitative research design, this study collected data through semi-structured interviews with 28 participants who had interacted with emotionally intelligent chatbots in various contexts. Thematic analysis was conducted to identify main themes, categories, and concepts within the data, providing insights into users' perceptions and experiences. The analysis revealed eight main themes: Perceived Empathy, Interaction Satisfaction, Trust and Security, Human-Like Interaction, User Adaptation, Impact on User Perception, Barriers to Engagement, and Future Expectations. These themes encompass categories such as Emotional Understanding, Contextual Sensitivity, Engagement Level, Privacy Concerns, Learning Curve, AI Capabilities, Technological Limitations, and Improvement Suggestions. Participants valued chatbots' ability to understand and adapt to their emotional states but highlighted challenges in achieving authentic empathy and expressed concerns over privacy and data security. Emotionally intelligent chatbots hold promise for enhancing user experiences through artificial empathy. However, the authenticity of empathy, coupled with ethical considerations such as privacy and security, presents significant challenges. Future developments should focus on improving the genuineness of empathetic responses, ensuring ethical use of AI, and addressing users' concerns to fully realize the potential of emotionally intelligent chatbots.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».