发表在第6卷第10期(2022年):10月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/39157,首次出版
新型冠状病毒疫苗筛查智能系统COVID-Bot的设计与开发

新型冠状病毒疫苗筛查智能系统COVID-Bot的设计与开发

新型冠状病毒疫苗筛查智能系统COVID-Bot的设计与开发

原始论文

约翰内斯堡大学商业与经济学院应用数据科学中心,南非约翰内斯堡

通讯作者:

Wilfred Okonkwo博士

应用数据科学中心

工商经济学院

约翰内斯堡大学

奔亭道校园

奥克兰公园

约翰内斯堡,2006

南非

电话:27 0835796557

电子邮件:chineduo@uj.ac.za


背景:冠状病毒继续在全球传播,造成各种健康和经济中断。控制这种疾病传播的最重要的方法之一是使用基于人工智能(AI)的技术干预,例如聊天机器人系统。聊天机器人可以帮助对抗COVID-19的传播。

摘要目的:本文介绍了一种智能交互系统COVID-Bot,该系统可以帮助筛查学生并确认其COVID-19疫苗接种状况。

方法:COVID-Bot的设计和开发遵循了设计科学研究(DSR)过程的原则,这是一种创造新的科学工件的研究方法。COVID-Bot是使用SnatchBot聊天机器人应用程序编程接口(API)及其预定义工具开发和实现的,这些工具由各种自然语言处理算法驱动。

结果:通过对106名大学生的调查,对COVID-Bot的功能、兼容性、可靠性和可用性进行了评估。调查结果表明,92名(86.8%)的参与者认为聊天机器人功能良好,85名(80.2%)的参与者认为它很适合他们的移动设备和生活方式,86名(81.1%)的参与者认为它有可能产生准确和一致的回应,85名(80.2%)的参与者认为它易于使用。得到的α平均值为0.87,信度令人满意。

结论:这项研究表明,将聊天机器人技术纳入教育系统可以对抗COVID-19在大学生中的传播。智能系统通过与学生互动来确定他们的疫苗接种状态。

JMIR学报,2022;6(10):e39157

doi: 10.2196/39157

关键字



背景

COVID-19已在全球蔓延,影响到包括教育在内的日常生活的许多方面。这次大流行已造成数百万人死亡、失业、疾病、身体通信受限以及组织操作方法的变化[1-3.]。为控制病毒的传播,采取了封锁、保持社交距离、戴口罩、接种疫苗等多种应对策略。科学家们已经开发了几种候选疫苗来帮助对抗这种疾病,包括辉瑞/BioNTech、Moderna mRNA疫苗、强生病毒载体疫苗和阿斯利康病毒载体疫苗[4]。尽管这些疫苗有助于对抗疾病传播,但还需要其他策略来减少冠状病毒感染。56]。

人工智能方法有助于在全球范围内传播关键信息,并减少有关COVID-19的不正确信息[78]。人工智能聊天机器人系统是用于抗击COVID-19大流行的最新技术创新[910]。聊天机器人是一种智能对话代理,与用户互动,回答他们的问题[11]。聊天机器人可以部署在网站或社交网络平台上,如Facebook、Skype和WhatsApp [1213]。例如,世界卫生组织(世卫组织)的技术倡议开发了一个聊天机器人来对抗COVID-19;该系统可通过Facebook和WhatsApp访问[14]。个人或用户可以使用聊天机器人来回答他们关于如何保护自己免受冠状病毒感染的问题,了解更多关于这种疾病的信息,并帮助防止其传播。聊天机器人是非常有益的,因为它可以为大多数用户的询问提供一个单一的、可靠的答案,并提供来自可信来源的简短信息,这比在线搜索引擎或社交媒体的大量结果列表更容易[15]。

冠状病毒的存在已不再是疑问,人们正在恢复日常生活,同时采取必要的预防措施来避免这种疾病。接受高等教育的学生正在返回学校,开始课堂或面对面的教学和学习。在学生获准进入校园之前,大多数学校都会在各个入口进行新冠肺炎筛查。这种筛选是手动完成的,这会造成一些不便,例如排长队、时间浪费、疲劳和人为错误。此外,这一过程可能对当局或行政当局构成重大挑战,需要新技术和自动化。人工智能技术,如聊天机器人,可以在筛选过程中提供帮助。

这项研究展示了一种人工智能聊天机器人COVID-Bot,它可以对高等教育学生进行筛选,确定他们是否接种了COVID-19疫苗。COVID-Bot使用聊天机器人开发平台SnatchBot构建[1116]。这项研究将对卫生保健和教育系统中技术可接受性的文献作出重大贡献。首先,我们开发了一个聊天机器人,可以验证高等教育学生是否接种了新冠病毒疫苗。第二,对COVID-Bot的评估表明,该工具有助于学生和其他利益攸关方确定教育机构的COVID-19疫苗接种状况。

本文的其余部分结构如下。下一节介绍了背景资料和相关工作,随后介绍了COVID-Bot的研究方法、设计与开发、实施、结果以及系统的评估与应用。研究的最后一部分对研究进行了总结。

理论方面

本节讨论了研究的理论方面,包括聊天机器人技术,COVID-19大流行对教育的影响以及其他相关工作。

聊天机器人技术

聊天机器人系统是一种人工智能技术,可以与人互动,并提供准确和即时的答案[1718]。它是一种智能代理,可以与用户沟通,回答一系列问题,并提供正确的响应[19]。聊天机器人的其他一些名称是智能代理、会话代理、数字助理和智能机器人。聊天机器人系统可以使用多种开发平台构建,包括SnatchBot、IBM Watson、Microsoft Azure和Google [1120.]。开发人员可以使用这些框架来创建聊天机器人交互,以解决各种教育挑战。聊天机器人旨在增强各种工作体验,是第四次工业革命(4IR)创新时代的游戏规则改变者。聊天机器人技术的引入为各行各业带来了许多新的机会[21,包括教育、卫生保健和农业。

在教育领域,聊天机器人不仅用于提高学生的学习和互动能力,而且通过引入自动化来帮助教学人员[21]。教育领域的聊天机器人改善了联系,提高了效率,减少了互动中的模糊性。他们可以很容易地提供一个有针对性的、个性化的、以结果为导向的在线学习平台[22],这正是当前教育机构的主要期望之一。科技在日常生活中的日益普及影响了学生学习和吸收信息的方式。在教育中使用聊天机器人可以实现教育的民主化,因为它们不考虑学生的位置、资源或语言。一般来说,聊天机器人系统提供快速快速的回复、个性化的学习体验、自动化的任务和集中的学习。

然而,鉴于在COVID-19等卫生危机或大流行期间照顾患者的困难越来越大,卫生保健部门已将重点转向加强数字卫生保健服务。医疗保健专业人员正在使用聊天机器人每周7天,每天24小时为患者提供帮助,这是该行业的一个重大变革。2324]。医疗保健聊天机器人可以提供准确、最新的信息,同时改善患者体验。管理COVID-19危机的最佳方法之一是保持安全和了解情况。关于大流行病和个人健康状况的准确信息对于防治该疾病的传播至关重要。聊天机器人可以帮助对抗错误信息,为治疗提供指导,为基本医疗设施提供指导,提供安全预防措施,以及自我评估或筛查。当学生回到课堂学习系统时,提供一个自动和互动的代理是必不可少的,它可以帮助随时随地检查他们的健康状况,同时遵守安全预防措施。

COVID-19大流行对教育的影响

全球已有数百万人死于新型冠状病毒疾病[2]。因此,一些人类活动被迫停止。许多人在严格的限制下工作,还有许多人在家工作。高等教育也不例外,世界上大多数机构都关闭了校园,用使用各种软件工具和应用程序的在线学习取代了传统的学习方法。

当然,这种突然的变化给大多数院校的行政人员和学生带来了不确定性,许多政策都必须修改,以反映新的现实[2526]。此外,行政人员无法回应学生就各种主题提出的大量查询和要求。[26]。根据Igoe和Chadwick [27],新冠肺炎大流行给高等教育带来了眼前和长期的困难,特别是在管理、财务、学术、技术和学习可能性方面。

  • 行政管理:自2019冠状病毒病出现以来,高等教育行政部门一直在努力制定适当的行动和应对活动来应对这一流行病。疫情期间,高等教育机构在网上进行教学和学习[28],这产生了各种行政问题,如监控/监督,教师培训的电子学习技术,和学生的反对[29]。要应对这一挑战,必须有适当的领导和管理,并明确界定责任[30.]。
  • 经费:这一流行病对全球经济增长产生了不利影响,影响到教育活动的经费。由于许多经济体仍在从COVID-19大流行的影响中恢复过来,预计高等教育经费将在一段时间内减少,特别是对公立机构而言[31]。
  • 远程学习:远程学习发生在传统课堂环境之外,并经常得到数字平台的辅助,如在线教室和学习管理系统[32]。尽管许多机构为学生提供连接到在线学习系统的数据包,但网络连接仍然是一个问题,特别是在农村和欠发达地区。学生可能会因为远程学习而面临困难,例如连接问题、缺乏信息和通信技术(ICT)的有效性、繁重的在线作业和项目以及无法适应远程学习[33]。
  • 技术的使用:在线学习方法需要使用现代技术,如人工智能。不幸的是,一些学者和学生不愿意接受和使用这些技术工具。这种犹豫可能是由于不熟悉,从而影响技术接受行为。此外,他们还没有准备好彻底改变他们的教育体系结构。34]。

为确保教学活动不中断,联合国教育、科学及文化组织(教科文组织)发起了全球教育联盟(GEC),重点关注在2019冠状病毒病大流行期间帮助继续提供教育服务的免费支持、工具或服务的必要性[35]。因此,在大流行期间和之后,迅速准确地回答各种要求的各种自动化解决方案成为必要。

相关的工作

虽然我们找不到专门为筛查学生冠状病毒疫苗接种状况而创建的聊天机器人,但有一些相关研究。

Sweidan等[26]介绍了一个带有聊天机器人的学生互动助手Android应用程序(SIAAAC)。该app引导学生在新冠肺炎疫情期间获得各种优质的学术服务。这个聊天机器人包括一个校园地图和几个警报,可以回答阿拉伯语和英语的问题,并涵盖了各种各样的学术话题。在巴西,罗克,卡瓦尔康蒂[10]创建了一个名为BotCovid的聊天机器人,它提供有关COVID-19的准确信息,可以回答不少于600个问题。加州大学旧金山分校创建并部署了一个数字聊天机器人,用于筛查医护人员是否感染COVID-19。36]。在前两个月的作业中,该系统进行了27万次筛检。另一项研究创造了一个基于自然语言处理(NLP)的会话机器人,作为慢性病患者的个人虚拟医生,提供免费的初级卫生保健教育、信息和建议[36]。2020年4月,南非标准银行(Standard Bank South Africa)在WhatsApp上推出了一个聊天机器人,向客户介绍其服务。该聊天机器人提供有关标准银行应对COVID-19的事实信息,并回答一些询问和与官方流行病信息来源的联系[28]。这项研究的独特之处在于,它旨在确定学生的疫苗接种状况。

差距

虽然这些聊天机器人是为了应对COVID-19大流行而创建的,但没有一个是用于筛选高等教育学生以评估他们的疫苗接种状况的。由于高等教育环境中有许多人可能彼此距离很近,因此提供一个可以确定COVID-19疫苗接种状况的自动化系统被认为是必要的。COVID-Bot旨在填补这一空白。

动机

2019冠状病毒病大流行造成前所未有的教育中断,导致学校长时间关闭,学校常规运营突然改变,影响了全球教育系统[25]。各种COVID-19候选疫苗的开发和其他安全预防措施有助于控制疾病的传播并减少后果。然而,目前还没有治愈这种疾病的方法。随着学生返校恢复课堂教学,人与人之间的接触和互动将会增加。控制和减少高等教育学生的疾病传播需要了解他们的疫苗接种状况。研究表明,一种技术资源,如基于人工智能的聊天机器人,可能有助于实现这一需求[1026]。


研究设计

本研究遵循设计科学研究(DSR)过程的原则,这是一种以创造解决问题的新体验(工件)为目标的研究方法[3738]。DSR过程包括6个连续阶段:识别、定义、设计和开发、实施、评估和沟通。在Gap部分,确定并描述了研究问题。本研究介绍了一种智能交互系统COVID-Bot,可用于对高等教育学生进行筛查,以确定他们是否接种了COVID-19疫苗。COVID-Bot是基于SnatchBot平台的原则构建的,主要是拖放而不编码。选择SnatchBot框架是因为它提供了一组吸引人的功能和简单的用户界面。它还可以用于在网站和社交网络平台上部署聊天机器人。该系统在一个网站上实施,并向一组选定的学生演示,他们得到了系统目标和操作的详细解释。COVID-Bot按照ISO/IEC 25023:2016标准进行评估,该标准建立了用于定量评估系统和软件产品质量的质量指标[39]。开发了一份包括个人概况和系统质量两部分的问卷,并用于数据收集。采用目的抽样和方便抽样的方法。使用这些技术是因为系统是专门为学生设计的,并且在评估期间,与所有可能可用的学生联系。采用SPSS 25统计软件对收集的数据进行分析。通过研究报告和聊天机器人系统的实际应用,向公众传播研究结果。

道德的考虑

本研究经工商经济学院研究伦理委员会批准(批准号:2022 - 069)。所有与会者都得到了适当的通知,并得到了系统的详细说明。

COVID-Bot的设计与开发

本节描述了COVID-Bot的设计和开发,以及一个工作算法示例。COVID-Bot是使用SnatchBot开发平台构建的。

SnatchBot开发平台

SnatchBot是一个聊天机器人框架,具有一系列有吸引力的功能和易于使用的界面,允许快速部署聊天机器人到web应用程序和社交网络应用程序,如Facebook Messenger, Skype, SnatchApp, Viber, Slack和Twilio。它使开发人员无需编码就可以创建具有视觉吸引力的机器人,并且具有高水平的专业知识。SnatchBot为用户提供了一个界面单元、一个知识单元、一个信息库和一个集成单元。知识单元包括查询和人工智能标记语言(AIML)接口。AIML使聊天机器人能够将用户的输入与消息库中的预定义消息进行比较,并为用户提供匹配的答案。整合单位可以将这种互动传播到网站和社交媒体网络上。

频道是SnatchBot的另一个显著特点。它是一个内置的应用程序编程接口(API),允许在网站和社交媒体平台上部署聊天机器人。COVID-Bot是通过SnatchBot频道在网站上实现的。学生可以使用智能手机和电脑通过网站访问COVID-Bot。SnatchBot提供了一个内置的编辑器,用于生成带有动作按钮和翻译的简单或复杂的对话。它还允许人们建立一个范围的相互作用与聊天机器人的活动。相互作用用于描述主题在SnatchBot平台上交互定义了聊天机器人的独特活动,而主题决定了活动的预定义内容,如消息、音频、视频和图形。例如,如果需要聊天机器人进行自我介绍,则可以创建一个名为“介绍”的交互,其相关主题是定义聊天机器人目的的消息/文本。在SnatchBot中有两种类型的连接:本地和全局。本地连接连接到特定的交互,而全局连接连接到所有交互。

此外,SnatchBot平台支持NLP模型功能。这允许使用预定义模型和创建可以支持聊天机器人操作的自定义模型。图1(改编自Ref. [11])描述了SnatchBot的操作顺序。

图1所示。SnatchBot流程图。AIML:人工智能标记语言;NLP:自然语言处理。
查看此图

COVID-Bot的设计

COVID-Bot是使用SnatchBot API及其预定义工具创建的,这些工具由各种NLP算法驱动。COVID-Bot的设计包括各种互动和主题。每个交互都有一个名称、一个独特的ID号和一个目的。该设计涉及30个逻辑上和本地连接的交互,包括欢迎、内容、屏幕、豁免、允许和不允许。聊天机器人的开发方案如图图2

所有连接都用逻辑语句表示,形式如下:

如果a,则b
其他c

COVID-Bot操作的决策流程由以下算法描述,改编自文献[8]。该算法演示用户发送文本输入,如第1行所示,将其与第2行存储库或NLP模型中的样本进行比较,并返回第3行授予访问权限或第5行拒绝访问的相应响应(文本框1)。

图2。COVID-Bot开发方案。卫生组织:世界卫生组织。
查看此图
COVID-Bot操作的决策流程。

算法1:COVID-Bot信息决策

  1. 输入:学号(用户文本输入);
  2. 如果学生编号与存储银行匹配,那么
  3. 返回预定义的响应(ACCESS授予);
  4. 其他的
  5. 返回默认答案(访问被拒绝);

结束

文本框1。COVID-Bot操作的决策流程。

COVID-Bot的架构由4个主要部分组成:

  • 欢迎:本节介绍聊天机器人,并确认用户是否准备好与聊天机器人交谈。
  • 筛查:检查和确认用户是否接种疫苗或是否获得豁免信。
  • 新闻:提供来自世界卫生组织网站、南非冠状病毒事务网站和约翰霍普金斯大学冠状病毒信息网页的最新冠状病毒新闻。
  • 症状:介绍COVID-19常见症状的描述。

图3显示COVID-Bot根据用户查询做出的操作决策。它表明,当用户(学生)连接到COVID-Bot时,它会发送欢迎信息,询问用户是否希望与聊天机器人进行交互。如果用户回答“是”,COVID-Bot会将他们引导到菜单内容,包括筛选、新闻和症状。用户选择预期的活动。在筛选活动中,聊天机器人会请求学生号来验证学生是否接种了疫苗,或者是否获得了豁免信来允许或拒绝他们进入。如果输入错误的学号,系统允许退一步纠正;否则,流程结束。

图3。COVID-Bot流程图。NLP:自然语言处理。
查看此图

实现结果

在这项研究中,我们创建了COVID-Bot,这是一个人工智能驱动的智能系统,可以筛选高等教育学生并确认他们的COVID-19疫苗接种状况。COVID-Bot首先向用户显示介绍信息,并确定用户是否希望与之互动。该系统有三个目的:(1)验证和确认用户的COVID-19疫苗接种状态;(2)为用户提供从公认和可信来源获取最新冠状病毒新闻的途径;(3)解释COVID-19症状。COVID-Bot要求输入学生的信息,包括姓名和号码。系统获取学生的号码并检查其是否在存储库中。存储库包含所有接种过疫苗的学生和获得豁免的学生的学生号码。如果在存储库中找到了学生号,则该学生可以进入学校的场地和参加其他活动;否则,该学生将被拒绝访问。当用户错误地输入错误的学号时,系统会为他们提供另一次改正错误的机会。因此,用户必须通过单击后退按钮返回到上一个选项。

此外,COVID-Bot设计包含2种NLP模型:筛选和豁免。这些模型使用机器学习技术根据用户的每个输入做出决策。模型的训练样本来自接种疫苗的学生名单和未接种豁免信的学生名单的数据集。换句话说,接种疫苗的数据集包含所有接种了COVID-19疫苗并有疫苗接种证书作为证据的学生的姓名和学号。相比之下,未接种疫苗的数据集包括所有因学校批准的原因未接种COVID-19疫苗并有豁免信作为证据的学生的姓名和学号。筛选模型确定并验证数据集中已接种疫苗的学生,豁免模型确定并验证具有豁免信的已接种疫苗的学生。向一组选定的学生演示了COVID-Bot,并向他们充分解释了其目标和操作。图4A和4b显示欢迎和输入活动,以及图5a和5b为COVID-Bot的确认回复。

图4。(a)欢迎和(b) COVID-Bot活动菜单。
查看此图
图5。COVID-Bot确认信息:(a)允许学生进入,(b)拒绝学生进入。
查看此图

COVID-Bot的评价与应用

评价

COVID-Bot的评估遵循ISO/IEC 25023:2016标准,该标准建立了用于定量评估系统和软件产品质量的质量指标[39]。它检查了以下用户特征:功能、效率、兼容性、可用性、可靠性、可维护性、可移植性和安全性。在这次评估中,学生们被问及他们对COVID-Bot的功能、兼容性、可靠性和可用性的看法。共有106名来自约翰内斯堡大学的学生被选中参加这项研究,其中包括那些拥有智能手机的学生,不包括那些没有智能手机的学生。选择这些受众是因为他们是系统的潜在用户,并且是积极注册的学生。他们的学生人数被用来训练NLP模型。向与会者展示了该系统的简短演示。通过在线调查进行定量分析;参与者被发送到该系统的链接和一份谷歌表格问卷,以收集他们的个人信息(年龄、性别、教育程度)以及他们对聊天机器人品质的看法。采用李克特5分量表,从1(强烈不同意)到5(强烈同意)进行测量。

可靠性分析

为了确定测量项目的信度,进行信度分析以获得测量构式的Cronbach α系数。得到的平均α为0.87,信度令人满意。此外,相似的相关值(r=0.99),表明项目之间存在很强的相关性。得到r和α的值是可能的,因为评估是在一个特定的环境中进行的(一个大学机构),参与者有相似的看法。表1给出了可靠性分析的结果。

表1。可靠性分析。
测量项目 克伦巴赫α
功能 多多
兼容性 .86
可靠性 .85
可用性 .85

参与者简介

样本人口由不同学习水平的男学生(n=61, 57.5%)和女学生(n=45, 42.5%)组成,包括年龄在15-35岁之间的本科生和研究生。本科生以15 ~ 25岁为主(n=83, 78.3%),研究生以25 ~ 35岁为主(n=23, 21.7%)。此外,95名(89.6%)参与者认为他们对聊天机器人技术有很好的了解,而11名(10.4%)参与者表示了解有限。

学生们被问及他们对COVID-Bot的以下品质的看法:功能、兼容性、可靠性和可用性。

功能

执行该测试是为了确定系统是否正常运行以达到预期的结果。在106名参与者中,92人(86.8%)同意或强烈同意该系统运行良好并达到其目的,10人(9.4%)不同意,这可能是由于他们对聊天机器人系统等新兴技术的了解有限,4人(3.8%)持中立态度。

兼容性

这是为了评估该系统是否与学生现有的生活方式、社会规范和移动设备兼容。在106名参与者中,85人(80.2%)同意或强烈同意该系统与他们的智能手机配合得很好,很适合他们的生活方式,10人(9.4%)不同意,可能是因为他们有能力使用现代技术创新,11人(10.4%)表示无所谓。

可靠性

这被认为是为了确定系统对用户输入或查询的响应的一致性和准确性。在106名参与者中,86名(81.1%)同意该系统能够生成有关接种疫苗和未接种疫苗的学生以及豁免学生的适当信息,10名(9.4%)不同意,10名(9.4%)持中立态度。

可用性

为了评估COVID-Bot用于完成预期任务的难易程度,对可用性进行了评估。在106名参与者中,85人(80.2%)同意或强烈同意他们发现系统很容易使用,8人(7.5%)不同意他们必须多次重复这个过程才能得到准确的答案,13人(12.3%)无所谓。


主要研究结果

COVID-Bot是一种对话代理,旨在与学生互动,以确认他们是否接种了疫苗,或者在获准进入该机构的场所之前获得了豁免信。该系统还从公认的来源提供有关COVID-19大流行的最新信息和症状描述。聊天机器人已经被用于对抗COVID-19。它们帮助消除了虚假信息,辅助了症状诊断,推动了限制感染的行动,并降低了应对大流行的精神卫生成本[40]。新冠肺炎疫情是一个全球性问题,无论职业或社会地位如何,任何人都可能受到影响。因此,制定一种能够帮助减少疾病传播和减轻其社会影响的解决方案至关重要。COVID-Bot就是基于这一观点创建的。

评估以向参与者演示聊天机器人系统开始,随后要求他们填写在线问卷。根据问卷调查结果,86.8%的参与者认为该系统运行良好。这表明COVID-Bot有能力确定学生的疫苗接种状况,并根据预定义的数据集检测出已收到豁免信的学生。在兼容性方面,学生们能够在适当的地点和时间与他们的智能手机、笔记本电脑和台式电脑一起使用聊天机器人。结果,80.2%的参与者认为它与他们的生活方式和活动相适应。系统准确性和一致性(可靠性)测试显示COVID-Bot是可靠的,81.1%的参与者同意这一因素。这意味着学生与COVID-Bot的互动产生了准确的结果。他们询问了他们的疫苗接种状况,系统回应了适当的信息。在可用性方面,80.2%的受访者认为系统易于使用。这意味着COVID-Bot的设计非常简单,无需任何事先培训或监督即可使用。

总体而言,COVID-Bot的设计简单,适合学生使用移动应用程序,并且可以准确回答有关其疫苗接种状况的问题。

COVID-Bot的应用

新型冠状病毒候选疫苗的开发有助于抗击冠状病毒的传播。每个人都应该接种疫苗,特别是那些在学术机构等经常与不同人有身体接触的机构工作的人。因此,一些机构需要接种COVID-19疫苗。从理论上讲,本研究提出了一种新型冠状病毒相关问题的智能系统的设计和开发,目前在这方面的研究很少。在实践中,COVID-Bot可以帮助检测学生的COVID-19疫苗接种情况,从而帮助对抗致命的冠状病毒的传播。此外,它将有助于学生在教学和学习活动期间的安全,而他们在机构的环境。

与前期作品比较

COVID-Bot操作不同于以往的相关工作。它智能地与学生互动,使用他们的学生编号作为输入来确定和验证他们的疫苗接种状态或豁免信,以允许或拒绝他们进入该机构。

限制及未来工作

在系统实施期间,我们在获取学生关于COVID-19疫苗接种状况和用户隐私问题的数据集方面遇到了一些限制。这个系统只对学生开放。该机构的所有工作人员都可以加入到未来的工作中。它还可以扩展到执行其他功能,例如筛选注册和非注册学生,并为学生提供财务许可。

结论

在本研究中,我们创建了一个智能交互系统COVID-Bot,该系统可以与学生交谈,确定他们的COVID-19疫苗接种状况,并确认他们是否可以进入学校及其各种活动。COVID-Bot是使用SnatchBot聊天机器人API开发的,可以安装在网站和社交网络平台上。一项在线调查对该系统进行了评估。结果表明,COVID-Bot具有良好的性能,可用于对抗COVID-19的传播和影响。

利益冲突

没有宣布。

  1. 董娥,杜华,Gardner L.基于web的交互式仪表板,实时跟踪COVID-19。《中华传染病杂志》(英文版);20(5):533-534。(CrossRef
  2. 约翰霍普金斯大学系统科学与工程中心(CSSE)的COVID-19仪表板。URL:https://coronavirus.jhu.edu/map.html[2022-10-17]访问
  3. Aruleba K, Jere N, Matarirano O.南非2019冠状病毒病大流行期间贫困大学的技术采用准备情况。国际高等教育学报(英文版);2009年1月23日;11(2):172。(CrossRef
  4. Nagy A, Alhatlani B.当前COVID-19疫苗平台概述。中国生物医学工程学报,2009;19 (2):598 - 598 [J]免费全文] [CrossRef] [Medline
  5. 彭海涛,李建军,李建军,等。恢复期血浆防治新型冠状病毒肺炎的系统评价与定量分析。JMIR公共卫生监测2021年4月7日;7(4):e25500。(CrossRef
  6. Masngut N, Mohamad E.关于covid-19危机的民意与马来西亚政府传播策略的关联:社交媒体形象修复策略的内容分析。[J]互联网研究与发展[J]; 2008;23(8): 888 - 888 [J]免费全文] [CrossRef] [Medline
  7. 人工智能与COVID-19:多学科方法。综合医学杂志,2020;9(3):100434 [j]免费全文] [CrossRef] [Medline
  8. Aruleba RT, Adekiya TA, ayaywei N, Obaido G, Aruleba K, Mienye ID,等。COVID-19诊断:快速抗原、RT-PCR和人工智能方法综述生物工程(巴塞尔)2022年4月03;9(4):153 [免费全文] [CrossRef] [Medline
  9. 用于抗击covid-19的健康聊天机器人:范围审查。医学通报,2020;28(4):241-247 [j]免费全文] [CrossRef] [Medline
  10. 在2021年IEEE系统、人与控制论国际会议(SMC)上发表;2021年10月17日至20日;澳大利亚维多利亚州墨尔本。(CrossRef
  11. Okonkwo C, Ade-Ibijola a . Python- bot:用于教授Python编程的聊天机器人。工程学报2021;29(1):25-34。
  12. 世卫组织卫生警报:用WhatsApp传播全球大流行。[J]公交技术通讯2020年9月16日;35(1):35-40。(CrossRef
  13. P, Schreiberova P.学习聊天机器人:Facebook Messenger的教育聊天机器人综述。计算机工程学报,2016;31(1):481 - 481。(CrossRef
  14. 世界卫生组织。世卫组织在Facebook Messenger上推出聊天机器人以打击COVID-19错误信息。URL:https://www.who.int/news-room/feature-stories/detail/who-launches-a-chatbot-powered-facebook-messenger-to-combat-covid-19-misinformation[2022-03-08]访问
  15. Laranjo L, Dunn AG, Tong HL, Kocaballi AB, Chen J, Bashir R,等。会话代理在医疗保健:系统回顾。医学信息学报,2018,01;25(9):1248-1258 [J]免费全文] [CrossRef] [Medline
  16. 实施Erazo W. Chatbot,收集有关COVID-19可能病例的数据,并缓解初级卫生保健系统的压力。IEMCON 2020:第11届IEEE年度信息技术、电子和移动通信会议;2020年11月4日至7日;温哥华,卑诗省,加拿大。(CrossRef
  17. 王晓东,王晓东。基于人工智能的高等教育伦理研究。数字2021;2021:68 [免费全文
  18. 王晓明,王晓明。聊天机器人在教育中的应用。计算教育:AI 2021;2:100033。(CrossRef
  19. 聊天机器人:学生教育支持系统。CSS 2018:第十届网络空间安全与保障国际研讨会;2018年10月29日至31日;意大利阿。(CrossRef
  20. 范晓林,范涛,阮秋明,阮涛,曹涛。聊天机器人作为移动语言学习的智能个人助理。2018年在ICEEL 2018:第二届教育与电子学习国际会议;2018年11月5日至7日;印尼巴厘岛。(CrossRef
  21. Dsouza R, Sahu S, Patil R, Kalbande DR. 2019在2019年国际计算,通信和控制进展会议(ICAC3)上发表;2019年12月20日至21日;孟买,印度。(CrossRef
  22. 康宁汉-尼尔森S, Boles W, Trouton L, Margerison E.聊天机器人在教育中的应用综述。AAEE2019:澳大利亚工程教育协会第30届年会;2019年12月8日至11日;布里斯班,澳大利亚。
  23. 徐丽,桑德斯丽,李凯,周建林。使用人工智能和机器学习的医疗保健和肿瘤学聊天机器人应用:系统回顾。JMIR Cancer 2021; 11月29日;7(4):e27850 [j]免费全文] [CrossRef] [Medline
  24. Klos MC, Escoredo M, Joerin A, Lemos VN, Rauws M, Bunge EL。基于人工智能的聊天机器人治疗大学生焦虑和抑郁:试点随机对照试验。JMIR Form Res 2021 Aug 12;5(8):e20678 [j]免费全文] [CrossRef] [Medline
  25. 刘建军,刘建军,李建军,等。新冠肺炎疫情对教育的影响:来自教育中断调查(REDS)的国际证据。URL:https://unesdoc.unesco.org/ark:/48223/pf0000380398[2022-03-11]访问
  26. Sweidan SZ, Abu Laban SS, Alnaimat NA, Darabkh KA。SIAAA‐C:在COVID‐19大流行期间与聊天机器人的学生交互式助理android应用程序。计算机应用工程与教育,2021年4月16日;29(6):1718-1742。(CrossRef
  27. 大流行之后:COVID-19将如何改变全球健康与发展?URL:https://www.devex.com/news/after-the-pandemic-how-will-covid-19-transform-global-health-and-development-96936[2022-03-11]访问
  28. 标准银行(Standard Bank)。标准银行推出Covid - 19聊天机器人。URL:https://www.standardbank.com/sbg/standard-bank-group/whats-happening/press-releases/standard-bank-launches-Covid-19-Chatbot[2022-03-15]访问
  29. 2019冠状病毒病停课后,大学面临多重挑战。URL:https://www.universityworldnews.com/post.php?story=20200407162549396[2022-03-11]访问
  30. Salihu乔丹。管理尼日利亚大学教育系统的机构:对其行政权力、冲突和主张的审查。科学技术教育学报,2020;7(4):231-239。
  31. 弗格森HT。预计2019冠状病毒病后国家高等教育经费将削减。URL:https://www.nasfaa.org/news-item/21469/Cuts_Expected_for_State_Higher_Education_Funding_in_the_Wake_of_COVID-19[2022-03-11]访问
  32. Yunusa AA。2019冠状病毒病大流行对尼日利亚高等教育的影响:大学讲师的观点[J] .计算机科学与技术,2011;17(4):43-66 [J]免费全文
  33. 饶康,朱力c。接触远程学习者:太平洋群岛在线研究生学位课程学生的成功与挑战。Int Rev Res开放远程学习2010年3月05日;11(1):141。(CrossRef
  34. 贺建军,张建军,张建军,张建军。基于网络学习技术的学术研究。澳大利亚教育科技学报2019年3月21日;35(1):1-15。(CrossRef
  35. 联合国教科文组织。全球教育联盟。URL:https://en.unesco.org/covid19/educationresponse/globalcoalition[2022-03-11]访问
  36. 贾德森T, Odisho AY, Young JJ, Bigazzi O, Steuer D, Gonzales R,等。在COVID-19大流行期间实施数字聊天机器人以筛查卫生系统员工。中华医学杂志,2020;27(9):1450-1455 [J]免费全文] [CrossRef] [Medline
  37. 李建军,李建军,李建军。基于设计科学的信息系统研究方法。[J]管理信息系统,2014;08;24(3):45-77。(CrossRef
  38. 行动研究和设计科学研究——看似相似,实则截然不同。2009: ECIS 2009:第17届欧洲信息系统会议;2009;意大利维罗纳。
  39. ISO。ISO/IEC 25023:2016 -系统和软件工程-系统和软件质量要求和评估(SQuaRE) -系统和软件产品质量的测量。2016。URL:https://www.iso.org/standard/35747.html[2022-10-17]访问
  40. 刘建军,刘建军,刘建军,等。会话主体对健康和生活方式提示的反应:对适当性和表达结构的调查。[J]互联网研究与发展,2020年2月9日;22(2):e15823 [J]免费全文] [CrossRef] [Medline


人工智能:人工智能
AIML:人工智能标记语言
API:应用程序编程接口
域:设计科学研究
NLP:自然语言处理
人:世界卫生组织


编辑:A Mavragani;提交30.04.22;G Obaido, K Aruleba的同行评审;对作者的评论24.05.22;修订版本收到11.07.22;接受12.07.22;发表27.10.22

版权

©Chinedu Wilfred Okonkwo,已故Babatunde Amusa, Hossana Twinomurinzi。最初发表于JMIR Formative Research (https://formative.www.mybigtv.com), 2022年10月27日。

这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)条款下发布的开放获取文章,该许可允许在任何媒体上不受限制地使用、分发和复制,前提是原始作品首次发表在JMIR Formative Research上,并适当引用。必须包括完整的书目信息,到https://formative.www.mybigtv.com上原始出版物的链接,以及版权和许可信息。


Baidu
map