自我指导的基于web的干预:用户需求的范围审查和嵌入式会话代理解决它们的潜力

简介

元分析表明，基于网络的心理健康干预已成为治疗抑郁和焦虑等常见心理健康问题相当成功的方法[1-3.］．然而，一个一致的发现是，人类支持的基于网络的治疗干预优于自我引导的干预[4)(没有人类的支持)。仅仅是一个人的远程存在提供信息支持、情感支持或治疗服务，就会导致显著更高的效应大小[5］．此外，人工支持的干预措施实现了更高的坚持率;更多的参与者按照预期使用干预措施，例如，通过完成干预措施的所有课程[1，3.，6］．在基于网络的心理健康干预中，不坚持治疗是一个重要问题[7当循证疗法作为免费获取的、自我指导的基于网络的治疗干预措施部署时，问题就变得更大了[8］．在这些干预措施中，坚持(定义为完成所有课程的使用者的百分比)下降到低至1.0% [7，甚至0.5% [8］．

人类支持干预的较高依从率可以解释为，在改变过程中，治疗师在激励来访者方面做了有效的工作[5］．然而，通过使用提醒和量身定制的建议等功能，也发现了电子干预的积极影响[9］．有趣的是，塔尔博特[10]在她的元研究中得出结论，专业支持提供者——治疗师的参与并不是关键。相反，最基本的非指导性人际接触才是关键。不管这种类型的接触是由外行还是专业人员提供的，它对干预依从性有同样大的积极影响。此外，自己安排支持已经可以对治疗效果产生影响。在阅读自助书籍开始时安排一次电话联系，会产生惊人的高完成率和治疗效果[11］．这就提出了一个问题:需要什么样的支持才能实现更高的坚持率和有效性?Cavanagh和Millings [12]提供了内在的“共同因素”的证据，例如产生希望、同理心、温暖、合作和反馈，从而提高干预措施的有效性。然而，对于这些“公共因素”并没有一个被普遍接受的定义。Kreijns等人的声明表达了支持的紧迫性。13他们宣称，数字学习环境失败的原因是社会情感过程被“忽视、忽视或遗忘”。由于基于网络的健康干预措施与数字学习环境有许多相同的特征，因此可以合理地假设，同样的社会情感过程也发挥了作用，应该就坚持学习进行研究。

下面的挑战是如何在基于网络的卫生干预中处理这些社会情感过程。如Bickmore所建议的[14]，将一个具体化的会话代理(ECA;也称为关系代理)作为自我护理应用程序的附加，可以作为支持用户的一种手段。根据比克摩尔的说法，ECA是一个设计用于与用户建立长期社会情感关系的计算构件．在卫生保健方面，Bickmore [14]表明eca -使用者关系可以促进信任和治疗联盟，目的是加强对自我护理治疗方案的坚持．

总之，eca承诺它们可以为用户界面引入社交、情感和关系元素。然而，不太清楚eca能(1)真正处理到什么程度表达的需要电子卫生(eHealth)干预措施的用户和(2)提供用户刺激，将真正支付在用户遵守电子健康干预措施．这就是我们进行本文中所描述的研究的基本原理。因此，本研究的目的是对现有文献进行结构化分析，以提取(1)与电子健康干预相关的用户需求和(2)eca在提高用户依从性这一更大目标下满足这些需求的能力。

方法

研究设计

本研究通过Web of Science和Scopus数据库中的结构化数据收集来完成。研究方法选择范围回顾法。范围综述旨在从主要研究的数量、性质和特征等方面对某一感兴趣领域的现有文献进行梳理[15］．为本文的主题选择范围审查的理由是，基于网络的干预研究形成了大量和多样化的文献。在这些文献中，支持的作用及其与用户动机的关系很少被探索和理解。eca提供的系统支持也是如此，例如，在社会学习环境中[16］．据我们所知，没有进行过系统地将用户对基于web的干预措施的需求与ECA的能力相匹配的研究，以找到干预措施依从性低的潜在解决方案。话虽如此，开创性的研究(例如，[17])，并在一定程度上证明了ECAs具有刺激和激励用户的潜力，这最终可能对干预依从性产生积极影响——这也强调了本研究的重要性。

本研究分为两部分:

第1部分:对基于web的干预中用户支持的元研究的范围综述。本次审查的重点是一般的用户支持需求，而不考虑干预类型和障碍类型。

第2部分:对嵌入会话代理在基于web的健康或学习干预中提供支持的机会的范围审查。

研究问题第一部分

是否有一组通用的用户支持需求目前没有在电子卫生干预措施中得到充分解决，需要重复使用，从而可能导致较低的用户体验，从而降低用户依从性?

搜索策略第1部分:基于web的干预支持的元研究

Scopus数据库是用“支持”、“基于web的干预”和“审查”这三个概念的组合来搜索的。对于每个概念，都使用了多个关键字(参见多媒体附录1)．文本框1提供包含和排除标准。

这项研究的结果是93项研究。根据我们的纳入和排除标准，我们选择了18项研究。通过查阅这些研究的参考文献，我们还发现了另外4篇相关论文。最终纳入22篇论文。看到图1在筛选过程中。

‎ 把这个图

数据提取(1)

22项研究的全部内容，包括介绍、讨论和参考资料，都是从用户的角度对可用性和他们所表达的需求进行检查的。我们应用了接地理论，应用了以下阶段:

阶段1:我们按照每个研究中定义的方式对用户支持需求的描述进行标记。

阶段2:我们分析各种标签并对它们进行分类。

阶段3:我们从这些类别中提炼出主要主题，目的是在选定的研究中代表用户支持内容。

研究问题第二部分

可能解决用户支持需求的eca的主要支持特性是什么?

搜索策略第2部分:虚拟教练在基于web的健康或学习干预中提供支持的机会

研究的目的是为了支持性目的建立eca能力的一般概念。Scopus和Web of Science数据库的搜索结合了“具体化对话代理”、“基于Web的干预”和“支持”等概念。对于每个概念，都使用了多个关键字(参见多媒体附录1)．由于ECAs经常用于电子学习环境中，因此决定将智能辅导系统(ITS)的研究也包括在内。ITS是“基于web的干预”概念中的一个关键字。看到文本框2关于纳入和排除标准。

系统搜索的结果是有限的(8)项研究。此外，这些研究涉及广泛的主题，从物理属性[18),建筑(19]，路线规划[20.，非语言行为[21]，虚拟博物馆指南[22，同理心[23]，到理论模型[24]和发音速率[25］．系统选定的研究中，没有一项能提供援助机构在支助工作方面能力的高水平情况。因此，决定以手工检索的方式扩大研究的数量。我们通过(1)检查参考文献和(2)进一步搜索在8个选定研究中找到的术语，开始在谷歌Scholar中手动搜索。

我们在以下基础上展开人手搜寻:

1. 在卫生或教学(即电子学习)背景下，寻找关于eca的综合信息，重点是提供支持和激励用户。我们从[中找到的信息开始23]，并搜索了有关eca的元研究。
2. 找到关于计算机作为社会行动者(CASA)效应的其他(初步)研究，如[18]和[23］．
3. 寻找有关建立关系的其他资料[25]及建立关系的措施，如[21，25］．
4. 寻找与ECAs相关的理论模型的更多信息，如[24］．

整个搜索过程包括53项研究(图2)．

数据抽取(2)

使用扎根理论，对所选研究的全部内容(包括介绍、讨论和参考资料)进行分析，目的是找到由eca执行的用户支持的具体信息。由于这方面的信息稀缺，我们决定制定三个我们认为与电子健康最相关的概念，并涵盖了ECA文献中与用户支持概念语义相关的大量信息。

我们提出了以下三个概念:

1. 哪一个多媒体eca的哪些方面与电子健康环境相关?
2. 什么样的的关系eca和用户之间是否适用?
3. 如何有用的电子保健中用户依从性的ECAs是吗?

在我们制定的三个概念中，有8个主题连贯地描述了一个特定的ECA主题。

‎ 把这个图

结果

第1部分:基于web的干预的支持需求研究的结果和主题

22篇被分析的论文表明，用户和计算机之间无数微妙的交互在保持用户继续进行基于web的干预方面起着重要作用。

根据我们的数据提取过程，我们制定了8个主题。我们进一步将这8个主题浓缩为2个主要的需求和支持概念，在我们看来，它们总结了主题，将有助于我们进行进一步的分析。

用户表示需要对其工作表现得到具体反馈。在文献中，这种需求被描述为封闭原则[26:确认操作已成功执行。这表明基于web的干预的用户可以从与任务相关的交互和支持中受益(例如，“感谢您提交本周的家庭作业。你发送得很准时。”)。我们称之为任务相关的支持．

用户表示需要关心和支持他们正在处理的问题。这表明基于web的干预的用户可以从情感支持中受益，情感支持承认用户在改变计划中的努力和用户正在处理的原始问题。这个概念是基于我们之前发现的文献[12，13］．我们称之为emotion-related支持．

表1展示了所包含的文件中明显的用户需求，以及我们与上面提到的两个常见的支持需求元素相关的用户需求。

用户的需求和问题，在表1，下文将详细讨论:

需求1:克服用户的孤立感

基于网络的干预的匿名性似乎既是优点也是缺点。用户会被鼓励说出自己的想法，但有时也会因为匿名而感到孤立。由McClay制定[31]，“研究结果显示，对隐私和保密的渴望对参与者寻求帮助、他们对干预的使用，以及他们可以从家人和朋友那里寻求的支持都有不利影响。”正如福斯特所表达的那样[41，“与他人交谈的困难。”

任务相关和情绪相关的系统支持都可能抵消孤立感。

需求二:对用户情况有更深的兴趣

用户似乎期望(可能也需要)对他们的情况有更深的兴趣。诺尔斯等人[28在8项研究中有7项发现了以下缺点:“对‘我是谁’这个病人的敏感。”托德(32)将其描述为“它将处理作为一个患有躁郁症的人如何生活的问题。”

这是情感相关系统支持的一个例子。

需求3:对用户正在努力解决的日常实际问题感兴趣

用户似乎希望对他们日常的实际问题有一种更深层次的兴趣。这种需求由Knowles等人描述[28作为“对‘我的感受’的敏感性，认识到抑郁对使用者的需求(如情感和动机上的困难，以及注意力的问题)”，并由Todd [32，“就实际问题而言，参与者表示希望得到支持，了解自己的法律权利、管理债务、管理怀孕和应对季节和时区。”

这是情感相关系统支持的一个例子。如果用户需要关于日常问题的实用建议，那么对于这些问题的任务相关支持也会有所帮助。

需求4:用户完善沟通过程的能力

正如Donkin所提到的[34的调查中，填写了自己感受问卷的用户表示，问卷没有涵盖他们的感受。随后，这些用户强烈希望将他们的回答置于上下文环境中。McClay [31他把这描述为“不得不填更多的书和日志的想法”。

像问卷这样的非交互式工具非常适合结构化地收集实验用户数据。然而，它可能不太受欢迎，因为它“强迫”用户根据其僵硬的结构回答问题。与情感相关的系统支持在用户和系统之间提供更开放的交互(即通过双向自由文本或自由言论的方式)，可以潜在地(从理论上)增加用户对自己的变化过程做出贡献的感觉。

需求5:用户对鼓励的需求

正如Donkin等人所指出的[34并引用莫尔[30.，“患者希望得到关于他们在基于网络的干预中是否在‘正确轨道’上的反馈。”福斯特(41]将其描述为“鼓励用户在这些课程的基础上设定每周的SMART目标。”

在干预过程中鼓励用户可以通过情绪相关的系统支持来实现。

需求6:用户响应的性能反馈机制

有点类似于Donkin等人的说法[34], Helgadottir [42]描述了许多CCBT(计算机化认知行为治疗)项目将受益于用户反应的性能反馈机制。这将扩展系统在更改程序期间指导用户的能力。Gorlick [44)对此进行了报道，因为“参与者报告说，如果他们要花时间回答问卷，他们更喜欢关于他们的回答的反馈。”

直接回答与任务相关的问题，比如“我已经收到了您的答复，谢谢您的时间和努力。请允许我对您的回答进行评论”将立即确认用户所投入的努力。通过稍后分析用户的反应，并通过电子邮件提供反馈，第二种更深刻的与任务相关的支持机制可以实现。

需求7:用户在改变过程中应对负面影响的经验

由Todd [32，“参与者努力理解为什么他们会有这种感觉，并希望知道为什么会缺乏动力，以及如何克服它。”卡夫等[43]建议人们在改变的过程中应该帮助他们应对负面影响的经历。他们声称，许多改变程序用户在他们的愿望和他们的实际地位和行为之间的紧张关系中挣扎。在这种挣扎中，来访者的内部自我调节过程被激活，以缓解紧张。自我调节过程中负担过重会导致自我损耗[43精神状态是一种低水平的精神状态。这种状态通常导致复发的脆弱性增加和潜在的治疗不依从性。作为一种扭转这种自我消耗过程的方法，卡夫等人[43]建议在一段时间的休息恢复之后，再服用一段积极的情绪。与情绪相关的系统支持可以提供这样一剂积极的影响。挑战在于确定自我损耗的时刻即将到来。

需求8:创建对用户负责的设置

正如Bradbury所描述的[33，“一些参与者对教练的描述表明，他们经历了对教练的问责，这让他们更投入、更有动力。”莫尔等人[39也强调了建立一个对用户负责的环境的重要性，“一个人可能会被要求为他或她的作为或不作为辩护的隐含或明确的期望。”

对于这样的设置，某些先决条件是必要的，比如参与者理解并同意他们预期的未来行为的好处。其他先决条件是具体的目标设定和业绩监测。与任务相关的机器支持可以通过提醒用户他们的目标设置并指出哪些目标已经(尚未)达到来发挥积极作用。请注意，在由医生指定参加保健干预的使用者中，问责制可能较难启动，因为他们主要不是选择自己参与。

第二部分:具有激励能力的eca研究的结果和主题

表2显示在选定的研究中发现的结果和主题。在发现的8个主题中，有7个主题来自于系统搜索中发现的文献，并在手工搜索中得到了支持。主题8，方法学问题，是独一无二的基于手工搜索的信息。

主题1:计算机作为社会行动者

大量关于ECAs的研究都提到了CASA效应[49，50，51作为研究人机交互，特别是人机交互的基石。CASA效应表明，在某些方面，人类对待媒体的方式与对待人类同胞的方式是一样的。这种效应的各种表现表现如下:

• 显示奉承文本的计算机比不显示这些文本的计算机更受用户的青睐。
• 文字上赞扬其他计算机的计算机比赞扬自己的计算机更受欢迎批评与自我批评的计算机相比，其他计算机不受欢迎。
• 与计算机以一种颜色配对的用户(如蓝色组)会对计算机有更积极的评价，也会比与另一种颜色配对的用户更愿意与计算机合作。

作为对CASA效应的一种解释，有人提出，人类有一种强烈的与生俱来的倾向，即与其他人类和其他生物(如宠物)建立社会联系。当个人电脑(pc)等物品展示的活动可以被其用户进行社会解读时，这种人类倾向就会成为现实。51］．虽然个人电脑可以进行社交活动，但人类用户在逻辑上意识到自己的非社交和非生活状态。这似乎是一个悖论:为什么人类用户会对PC做出社交性的回应，同时却意识到PC并不值得这么做?纳斯和月亮[49指的是机器可以触发的“无意识的”(自动的，基本上是无意识的)人类行为。只要这种行为被社会接受，它就会被展示出来。这种现象还与“怀疑中止”的概念有关，意思是，在一定程度上，人类愿意将社会规则应用于非人类但可以交流的物体，而不管它们的非生命状态。

主题2:用户与计算机之间的开放对话

接下来的主题是计算机和eca与用户进行公开的口头(文本或语音)对话的能力。在日常的人机交互事件中，与信息技术系统交互的用户通常会激活预定义的菜单选项，如“另存为”选项。随后，计算机将通过弹出窗口响应请求，用户可以在弹出窗口中输入文档的文件名。在这种封闭的对话场景中，用户和软件之间的交互传统上具有任务特定的特征(例如，为达到保存文档的特定目标而服务)，持续时间短，通常由用户发起(而不是由计算机发起)。相反，eca支持更开放、更面向关系的交互。eca和用户之间的交互可以跨越多个问答对，因此可以解释为对话。

ELIZA(软件由美国麻省理工学院计算机科学和人工智能实验室的Joseph Weizenbaum创建)研究[54]描述了一个文本精神治疗师的早期版本，它对用户的问题给出“现成”的回答，作为快速处理输入文本的结果，并在没有意识到用户说了什么的情况下根据它创建一个回答(例如，一个问题，如“伊丽莎，我今天感觉很痛苦”和一个回答“你多久经历一次痛苦的感觉?”)。

后来的研究创造了更丰富的对话环境，以探索计算机与人类交互的能力。其中一个例子是，一项研究表明，一个机器人扮演博物馆导游的角色，如果他在谈话风格中使用移情和幽默，就会比没有这种增强的谈话风格的机器人对机器人产生更积极的态度。22］．另一项研究表明，与对话能力较弱的代理相比，具有高对话能力的ECA在面试被试时能给出更准确的答案[52］．第三项研究[53，旨在探索用户和eca之间的开放对话选项将导致什么结果。作者报告说，当学习者有机会引导一场开放的对话时，他们特别会问离题的问题。例如，学习者通常想知道代理的操作系统、设计、用途和功能。这样的对话似乎是为了“测试”智能体的能力，在此过程中，学习者试图通过“游戏式”询问来发现智能体的边界、限制和能力。

主题3:可见的对话伙伴

下一个主题是将对话计算机描述为(静态或动态)人脸的可见性。根据Lisetti [60]，人脸在人与人之间的交流中具有特殊的地位，因为它经常被认为是进行信任和信任的最重要的渠道。正如Lisetti所言，面部作为一种沟通渠道，其地位高于身体区域，如姿势和手势。56］．许多研究都支持这一观点，证明用户更喜欢与“会说话的脸”互动，而不是纯文本界面[64]，拟人化的代理加上人的声音会提高代理的可信度[55，可见的因素导致了更大的积极激励结果[63]和任务表现[65］．

除了实证研究，还有多种理论支持这一观点。在所收录的资料中所提到的理论被列出并解释在表3．

尽管有这些积极的实验结果和理论支持的可见的，人一样的个人电脑，可见的主题有点争议。强烈反对人脸的主张是由诺曼[26他说，人脸会引发错误的心理模型，从而产生错误的用户预期。其他评论由Rajan等人提供[62他证明，对积极的学习效果负责的首先是声音(而不是非洲经委会的知名度)。

主题4:人与非洲经委会的关系

第四个主题是有规律的人机交互事件产生关系的概念。正如Bickmore等人所论证的，用户和他或她的计算机之间的日常交互应该被视为对这种人机关系的贡献。17］．尽管这种关系可能是隐式的，但它对用户有影响。即使在没有人际关系技能(如共情、幽默)被设计和内置到机器中的情况下，人际关系也会发挥作用。

问题来了，一个以关系为中心的设计的ECA是否可以被视为一个称职的社会行动者。非洲经委会作为对话伙伴的这种质量受到下列因素的影响:

• 互动时间．由Krämer等人描述[71)中，让人们参与eca很容易，但让他们长期参与就更具挑战性了。比克莫尔等人[17)和奎迪等[67)进行了超过28天的情感虚拟教练研究。他们都发现，部署情感ECA并没有导致用户行为的改变，但用户一般更喜欢与情感虚拟教练互动。
• 自然互动与强迫互动．Gulz [69的研究表明，大多数ECA研究过于强调人机关系。用户没有其他选择，只能与他们遇到的eca进行交互。
• 用户的个性．冯·德Pütten等[72明确指出，人机关系的发展取决于用户的个性。他们证明了五种用户个性因素比ECA的实际行为更能预测ECA的评价结果。

主题5:人类与非洲经委会关系的措施

文献发现提到了两个关于人与非洲经委会关系的常规措施。

措施1:工作联盟

工作联盟是一种源自心理治疗文献的结构，被描述为“帮助者和患者作为团队成员在达到预期结果时彼此之间的信任和信念”[73］．比克莫尔等人[66]在为期30天的纵向研究中应用了工作联盟清单，由一位ECA担任运动教练。参与者与具有关系行为能力的ECA互动(共情、社交聊天、称呼形式等)，在工作联盟清单上的ECA得分明显高于与同一ECA互动但没有关系行为的参与者。

步骤2:融洽

第二个重要的人机关系指标是融洽度。和谐被描述为“通过快速发现和回应对方的非语言行为，在互动伙伴之间建立积极的关系”。68］．Gratch等人对和谐关系进行了测量[68在他们的ECA评估研究中。他们的研究结果表明，这种融洽的体验与面对面(即与人交谈)的情况相比，处于一个相当的水平。

主题6:响应性语言和非语言沟通

在人与人之间的交流中，非语言信息的交换起着关键的作用。社会心理学家断言，在人与人之间的谈话中，超过65%的信息是通过非语言带传递的。75，81］．据说非语言渠道对社会情感信息的交流尤为重要。社会情感内容(76对于建立信任和富有成效的人际关系至关重要，这种关系超越了纯粹的事实和任务导向的沟通。德梅洛等人[76]将用户和(合成的)计算机情感的相互影响描述为一个情感循环，如下图所示:

• 用户首先通过与机器的语言和身体互动来表达他或她的需求和伴随的情感，例如，通过可察觉的手势、键盘的使用或口语。
• 然后，系统通过文字、语音和动画生成情感回复，目的是响应用户的需求。
• 这种反应会对用户产生影响，使他们更多地参与到与计算机的进一步交互中。

其他的，如Doirado [78]，对于(在某种程度上)能够评估用户需求的系统，使用术语“信念、愿望和兴趣”(BDI)。

关于情感回路和BDI的重要性，有两种观点:

• 立场1:ECAs的响应性(情感回路;支持用户BDI的系统)是延长用户交互的关键条件。多拉多等人[78]确认情感循环机制的重要性，并指出缺乏评估用户BDI能力和通过调整行为来满足用户需求的ECA(无响应的ECA)将打破用户怀疑的暂停。
• 立场二:eca的自主性(无情感循环;系统不知道用户的BDI)是长时间用户交互的充分条件。Rosenberg-Kima等人[63]部署了一个自主的(即无响应的)ECA，介绍了自己，并提供了一个关于4名女工程师的20分钟的叙述，然后介绍了工程职业的5个好处。ECA是活跃的，它的声音和嘴唇的运动是同步的。非洲经委会是自主行动的;参与者和ECA之间的交互仅限于用户点击文本主题的按钮。结果表明，在ECA +语音条件下，使用者的自我效能感和他们对所呈现的主题的兴趣明显高于语音条件。为了支持这些结果，Baylor等人[55表明人们愿意与拟人化的代理人互动，即使他们的功能是有限的。正如她所指出的，在某些情况下，仅仅是视觉上的存在和外观才是决定性因素，而不是它的支持性、对话性或动画功能。

主题7:eca对用户动机的影响

元研究及综述[69，81，85，86，89)已经报告了积极的eca对学习、投入和动机的影响的主张和证据。

Schroeder等人回顾了43项研究，得出的结论是，教学代理对学习的最终结果有微小但显著的影响。在他们的研究中，施罗德等人[81没有区分响应性和非响应性ECAs。关于激励用户的具体研究也通过部署响应式ECAs进行，其任务是注意到用户的挫败感，并对其进行同理心的响应。eca向用户自主传递温暖和同理心已显示出积极的效果，研究表明，这种效果可能在用户体验挫败感时更大[74，86，88］．

总之，eca能够激励用户的证据是不确定的。eca，无论它们是无响应的还是响应的，都因为其娱乐功能而提供了积极的用户体验。响应式ECAs是专门设计来检测用户挫败感并对其进行共情响应的，经验也证明了对用户态度的积极影响。然而，这些积极的影响还没有在生态学有效的背景下被发现。相反地，它们只存在于具有明确输赢规则的游戏中，并且是故意诱导用户受挫的结果。

主题8:非洲经委会研究的方法问题

前一个主题中提到的关于非洲经委会证据的不确定性据称是由方法问题引起的[86，89］．方法上的问题使比较研究结果和得出一般性结论变得困难。其中一个问题是eca之间的差异。举几个例子:

• 用于输出的不同形式:(合成的或自然的)语音或文本
• 不同级别的响应性情绪行为:从静态ECA旁边投影的文本响应到旨在反映用户面部表情的细粒度ECA面部表情
• 不同的角色:导师、同行、面试官、教练
• 不同的实现/不同的计算机代码应用作为人工智能来操纵ECA

这些问题中的许多都可以通过使用ECAs通用的开放研究平台来解决，例如虚拟人平台(由南加州大学(USC)和美国洛杉矶的创新技术研究所(ICT)提供;参见[87])。Veletsianos等人用EnALI框架提出的ECAs通用设计框架可能会解决其他问题[88］．

关于改变计划的持续时间，几项研究(例如，[66，67])强调，大多数虚拟教练研究的时间跨度都在几十分钟以内，这使得研究人机关系的发展以及实现对用户行为的影响变得困难。Bickmore等人和Creed等人[66，67)进行了长达28天的情感虚拟教练研究。他们都发现，部署情感ECA并没有导致用户行为的改变，但用户一般更喜欢与情感虚拟教练互动。

德恩和范·穆尔肯[86“动画界面是否会改善人机交互这个简单的问题似乎不是一个合适的问题。更确切地说，问题是:在什么样的领域中使用什么样的动画代理会影响用户态度或表现的哪些方面。”

讨论

主要研究结果

研究问题

第1部分讨论了以下研究问题:

是否有一组通用的用户支持需求目前没有在电子卫生干预措施中得到充分解决，需要重复使用，从而可能导致较低的用户体验，从而降低用户依从性?

我们发现了各种与支持相关的用户需求和问题，我们将其分为以下两大类:

• 任务相关系统支持；具体的绩效反馈
• Emotion-related系统支持；有同理心的支持

看来，与任务相关的支持和与情绪相关的支持都是定期表达的用户需求。因此，就旨在提高用户依从性的研究而言，这两种需求都值得进一步关注。

本范围综述的第2部分讨论了以下研究问题:

可能解决用户支持需求的eca的主要支持特性是什么?

资料稀少，找不到对这个问题的直接答案。然而，我们能够找到有关的信息的ECA特征多媒体，的关系,对电子保健依从性有用．

此外，我们还做了两个区分:

• 停止响应(自治)出口信贷机构．设计这些eca的目的不是为了捕捉和响应情绪化表达的用户需求。这类eca已经证明了它们可以吸引用户。这些eca有惹恼用户的风险，并且会产生反效果。
• 响应的出口信贷机构．设计这些eca的目的是实时响应用户需求。这些eca具有检测和处理人类发出的语言和非语言信息的能力。然而，实现这些eca是一项繁重的任务，需要对用户BDI进行昂贵的计算建模[77]和情感循环设施，有很高的失败几率。

表4将第1部分的需求与第2部分的主题联系起来，并指出响应式或非响应式eca是否能够满足用户需求。

停止响应的出口信贷机构

所述内表4此外，非响应性eca能够通过诸如表扬(需要5)、性能反馈(需要6)和设置对用户的期望水平(需要8)等技术来激励用户。总之，非响应性eca可能能够帮助用户完成更直接的激励任务。

响应的出口信贷机构

与非响应性eca相比，响应性eca能够执行需求3、4和7中描述的更复杂的激励任务。首先，响应式eca能够与用户进行对话，有效讨论用户面临的具体日常问题(需要3)。进一步的研究应集中于有效的应对措施，以应对用户在长期互动中(例如，4-10周的日常接触)失去与响应式eca互动的兴趣[65］．第二，在与ECA的对话中，用户可以分享经验，作为填写问卷的补充。这为用户提供了细化沟通过程的能力(需求4)。进一步的研究应该关注这种细化对话所伴随的技术和会话复杂性。第三，一个反应灵敏的ECA能够帮助用户在改变过程中应对负面影响的体验(需要7)。然而，目前的实验设置只能人为地制造挫折时刻。进一步的研究应该集中在检测和响应用户自发情绪的ECAs上。

响应性或非响应性eca都无法寻址

用户和ECA之间关于深层次的个人问题(需要2)的对话目前在技术上过于复杂，无法实现。顺畅的交互是eca成为并保持可信赖的对应方的必要条件。没有一个被发现的eca能够真正满足这个平滑的条件。随着人工智能领域未来的发展，这种情况可能会变得更好。目前，这些对话最好由人工支持提供者进行。

响应式和非响应式ECAs的设计因素

第二部分的非洲经委会文献，例如[56，74]，对ECAs的成功设计给出了启示。无论在电子健康干预措施中部署响应式或非响应式ECA，有些设计因素具有一般相关性。首先，建议[74， ECA传达了它的意图，功能,限制．也就是说，非洲经委会在干预行动开始之前就表现自己(例如，作为教练、导师或同行)，并始终按照其作用行事。这样，用户将对ECA的作用有明确的期望。其次，用户应该控制ECA的存在，特别是在长期交互过程中。正如Bickmore等人所报告的那样，这将避免用户的烦恼。17］．第三，建议ECA与用户进行简短对话。允许更长的开放式对话的系统经过了有趣的测试[52］．通过限制对话的范围和长度，非洲经委会将更有可能保持其信誉。

限制

这篇综述有几个局限性。由于本研究的性质是范围审查，没有进行定量分析，研究的选择是通过研究人员的解释。对于研究的质量，没有采用排除标准，以确保研究主题的广泛覆盖。

当我们在第1部分中寻找一般的用户支持需求时，我们没有考虑到精神和/或身体障碍的类型。此外，我们还忽略了用户个性等因素。其基本原理是将用户体验的主题从用户特征中分离出来，但并不确定这种分离总是成立的。尽管我们在搜索字符串中包含了用户体验，但我们省略了更细粒度的搜索词，例如以用户为中心的设计，以使搜索集中在核心问题上。这种对一般用户需求的关注导致了对需求和eca解决这些需求的可能性的广泛概述，但是当为特定目标群体设计基于web的干预时，需要更多的研究来理解他们对支持的特定需求。

在第2部分中，我们的目标是可以添加到的eHealth环境中的屏幕解决方案练习。结果，我们忽略了人机交互的研究(需要一个屏幕外的机器人)，专注于Wizard-of-Oz解决方案的研究(在此期间学者们操纵ECAs)，以及虚拟现实的研究(需要特殊的眼镜)。我们并不是说这些技术没有潜在的吸引力，而只是说它们在基于web的干预环境中不太实际。

结论

我们的结论是，自我引导的电子健康干预的用户可能受益于停止响应小的激励问题的ECAs。无响应的ECAs明确表达了其支持意图并相应地采取行动，使自我引导的电子健康环境具有更用户友好的体验。这可能会在依从性方面带来回报。

响应的出口信贷机构被期望能够处理更深刻的动机问题。这将需要复杂的技术设计，包括实时捕捉用户情绪的传感器、用于解释的人工智能和流畅回答的语音设施。评估用户的BDI和部署情感循环来解决用户的挫败感的概念非常有趣。它们符合第1部分主题7中提到的抵消自我损耗的概念。

从其他角度看，响应式eca也很重要。心理学实验广泛使用问卷来收集用户数据。如第1部分所述，需要4，问卷是结构化的，但设计的沟通工具有限。ECA的传感器在实验过程中对用户的BDI发送实时信号，可以为分析提供额外的用户信息来源。作为传感器和人工智能技术实时工作的替代方案，记录干预使用情况(如登录次数、登录间隔时间)可以预测较低的用户动机。

成功激励作为用户，ECA应该利用关系理论。社会交换理论由Krämer等人提出表3)提供了一个很有希望的例子。将这一理论应用于电子健康表明人类更喜欢公平的回报和成本贡献大致相等的人机关系。对于电子保健干预措施，一剂积极的鼓励可以有效地抵消用户投入的努力。换句话说，电子健康干预不仅要求但也提供了支持下，人机关系可能会更加公平。这种同等的关系假设会持续更长的时间，就像人类之间的例子一样。相反，对人与人关系理论的研究可以从对响应型ECA的研究中受益，也就是说，基于人与人关系理论的ECA使该理论具有可验证的潜力。测试ECA对用户的影响可以有助于对关系理论的更深理解。

最后，我们提出一个研究框架。根据Dehn和van Mulken的建议[86具体来说，我们的框架描述了一个支持ECA作为电子健康或ITS解决方案的附属品．作为图3描述了，ECA是理论基础，从一个的关系透视和从有说服力的技术视角。这些理论导致支持ECA徒，正如在程序设计阶段．在进行eca -用户交互实验时，测量了用户的满意度水平。这样做是postexperimentally通过问卷调查。此外,中介用户信号(未描述)可以被传感器捕获和分析。这些信息可以输入响应的ECA，使其行为具有适应性。它也可以用来交叉检查问卷。如Michie等人所表达的[90，电子保健干预措施应以理论为基础。我们想要补充的是，支持用户的eca也应该这样做。

‎ 把这个图