19、对话交互中的个性与语言能力评估研究

对话交互中的个性与语言能力评估研究

1. 个性故事在对话代理中的应用

1.1 个性故事分析

对 96 名参与者的故事和调查结果进行了两方面分析。一方面计算了宜人性和外向性这两个特质的克朗巴哈系数（Cronbach’s Alpha），具体数值如下表所示：
| | 宜人性 | 外向性 |
| — | — | — |
| 故事 | 0.42 | 0.9 |
| 调查 | 0.84 | 0.91 |
| 故事与调查 | 0.86 | 0.94 |

另一方面，计算了每个参与者在故事和调查中宜人性和外向性的平均得分，并进行了简单线性回归，以确定参与者的故事得分是否能预测其调查得分。结果显示，这两个模型在统计学上都具有显著性（宜人性：$R^2 = 0.3221$，$F(1, 96) = 47.09$，$p < 0.01$；外向性：$R^2 = 0.6691$，$F(1, 96) = 197.1$，$p < 0.01$）。这表明对于外向性，故事项目内部一致，并且是个人在传统个性调查中得分的显著预测指标；对于宜人性，虽然故事可能内部不一致，但仍能预测个人在传统个性调查中的得分。

1.2 对话代理中故事的实现

在验证故事可以替代传统个性调查后，将其集成到一个实验性对话代理中。该对话代理可以就电影、新闻或宠物等各种话题进行对话。用户可以自由选择交互时长，每次对话结束时，对话代理会要求用户给出 1 到 5 分的反馈。

对话代理基于神经网络，但故事部分采用有限状态机（Finite State Machine）实现，以确保无论用户输入如何，故事都具有连续性，避免复杂流程影响结果分