聚焦健康对话AI的沟通维度：基于CASA框架的系统评价再评价

本综述从沟通视角系统评价了79篇健康领域对话AI（Conversational AI）的系统评价/荟萃分析，创新性地应用“计算机是社会行动者”（CASA）框架，深入剖析了对话AI的三大核心维度：对话特征、设计特性及交互功能。文章揭示了当前研究对沟通模态、拟人化外观及社会支持功能的重点关注，为未来构建更有效、更具沟通力的健康AI干预措施提供了重要的理论指导与实践启示。

　　

引言

对话人工智能（Conversational AI）作为能够通过文本或语音与人类进行交互的软件，近年来在应对广泛健康问题（如心理健康、身体健康维护及发育障碍等）的干预措施中应用日益增多。尽管沟通在健康导向的对话AI中扮演着核心角色，但这些技术的沟通特性尚未获得应有的关注。为填补这一空白，本研究从沟通视角出发，对79篇聚焦健康的对话AI系统评价或荟萃分析进行了系统性的再评价。研究以“计算机是社会行动者”（Computers are Social Actors, CASA）框架为指导，考察了健康对话AI的三个关键维度：对话特征、设计特性以及交互功能。

方法

文献检索遵循PRISMA指南，在八个数据库中系统检索了相关系统评价和荟萃分析。纳入标准包括：关注对话AI的应用、涉及明确的身心健康结局，并至少包含一个沟通特征。最终共有79篇文章符合纳入标准。采用归纳法制定编码方案，重点围绕CASA框架启发的三个主要类别（对话特征、设计特性、交互功能）进行数据提取和编码。编码过程由两位研究者独立完成，并达到了令人满意的编码者间信度。

结果

系统评价与荟萃分析概览

在所分析的79篇系统评价或荟萃分析中，有70篇综述了对话特征，50篇涉及设计特性，71篇探讨了交互功能。

对话特征

对话特征主要包括沟通模态、非语言线索、对话发起、语音特征与沟通风格、个性化以及沟通情境。

• •
  沟通模态：是讨论最多的对话特征（49篇综述），涉及文本、语音、视觉或多模态的输入/输出方式。其中15篇综述特别关注了用户输入是自由输入还是受限选择。
• •
  非语言线索：21篇综述讨论了AI模仿人类行为的特定非语言线索，如面部表情、注视行为、手势、身体姿态、头部运动或模仿用户非语言行为等（12篇综述详细提及）。
• •
  对话发起：24篇综述总结了对话由用户发起、AI发起或双方均可发起的情况。
• •
  语音特征与沟通风格：20篇综述涉及合成语音或唇语同步、情境感知，以及音调、口音、语言等方面。
• •
  个性化：22篇综述关注了AI根据个体或特定用户群体定制信息的过程。
• •
  沟通情境：11篇综述讨论了AI在互动中的角色，即一对一的双人沟通或一对多的群体/公共沟通场景。多数AI设计用于双人沟通，但亦有研究涉及群体或公共场景。

设计特性

设计特性涵盖外观、社会智能和个性。

• •
  外观：是讨论最多的设计特性（40篇综述），涉及对话AI的具身化程度或拟人化外观。具体方面包括类人特征（如种族/民族身份、性别、着装）或动物样貌（12篇综述），以及2D或3D具身化的技术层面（如说话的脸部、半身或全身像）。
• •
  社会智能：25篇综述总结了AI通过闲聊、友好交谈表达关心、共情表达、自我表露、为性能不足道歉等行为建立关系的能力。这些社会情感对话有助于提升AI的可信度、用户-AI关系、用户知识参与度及互动成功率。
• •
  个性：12篇综述探讨了对话AI的个性特征，例如内向vs.外向，或更具情境特异性的个性，如专业医疗人员式、教练式、友好温暖、共情、幽默等。研究显示AI个性对用户感知有影响。

交互功能

交互功能指对话AI被赋予的社会角色或服务目的，主要包括社会支持、教育、自我管理/监测、训练/辅导、评估/筛查以及数据收集。

• •
  社会支持：是最常被讨论的功能（54篇综述），其中又以治疗或咨询最为突出，常基于特定疗法策略，如认知行为疗法（CBT，18篇）、动机性访谈（MI，4篇）、辩证行为疗法（DBT，2篇）、接纳承诺疗法（ACT，2篇）等。此外，也包括情感支持或陪伴（7篇）及任务相关支持（4篇）。
• •
  教育：42篇综述涉及使用对话AI进行健康教育，以促进行为改变。
• •
  自我管理/监测：37篇综述关注AI帮助用户管理健康状况的功能，如提醒用药或监测生理指标。
• •
  训练/辅导：23篇综述总结了AI在特定情境下提供训练或辅导的功能，例如为自闭症患者提供社交技能训练。
• •
  评估/筛查：18篇综述涉及AI引导用户完成评估过程以辅助决策。
• •
  数据收集：10篇综述提及AI用于收集（实时）健康数据以支持慢性病管理、辅助诊断或学术研究。

补充结果：其他值得关注的变量

补充分析还发现，38篇综述总结了AI应用的算法，60篇涉及技术特性，69篇讨论了受众特征（主要是健康状况和人口统计学特征）。在结局方面，44篇综述同时关注了用户体验（如可接受性、可用性）和健康结局。35篇综述提及了理论应用，其中19篇涉及行为改变理论（如社会认知理论、跨理论模型），27篇讨论了基于理论的疗法（如CBT）。仅16篇综述进行了偏倚风险评估。伦理考量在18篇综述中被提及。

讨论

对话特征

现有研究对对话特征的关注集中在沟通情境、对话发起、言语沟通风格和个性化等客观线索上，这些特征旨在使对话AI在客观上更接近人类沟通者。沟通模态作为重要的社会线索类型得到了充分讨论。尽管多数AI设计用于双人沟通，但其在多方互动或广播式沟通中的潜力尚未被充分探索，未来研究可更多关注利用社会动力学（如同伴压力）在多AI代理环境中说服用户。

设计特性

设计特性（社会智能、外观、个性）的研究反映了对人际沟通关系性本质的理解。社会智能行为（如共情、闲聊）是触发社会互动的重要因素。外观因素（如性别、拟人化程度）作为启发式线索影响源可信度，得到了广泛研究。个性虽在长期人际关系中至关重要，但相对外观而言研究较少，不过近年关注度呈上升趋势，表明AI日益被拟人化并被视为可建立长期关系的对象。

交互功能

交互功能反映了研究者利用可识别的社会结构和角色（如支持提供者、教育者、教练）来塑造用户对AI期望的尝试。社会支持、教育和辅导等需要更多社会互动的功能是健康对话AI的主要设计目标。然而，现有综述多关注特定类型AI（如虚拟教练）的功能性或技术结构，对在执行各项健康功能时的人机交互特性，以及特定功能特征（如输入/输出模态、社会智能）与沟通效果的关联讨论有限。

理论意义

本研究的主要贡献在于通过CASA框架总结了沟通在健康AI中的作用。尽管CASA是人机交互研究的基石理论，但在系统指导健康干预中AI沟通设计方面应用相对较少。当前AI健康干预主要应用行为改变理论和疗法方法，这些理论更关注信息特征，而将AI视为次要的信息传递渠道。本研究应用CASA，提出了聚焦对话特征、设计特性和交互功能的类型学，为未来实证研究提供了指导。

实践意义

研究结果为健康AI聊天机器人设计者提供了重要参考。例如，拟人化外观通常更受偏好，但需注意避免“恐怖谷”效应；专业着装（如白大褂）可增强AI的可信度和友好感，从而促进用户关系。然而，关于AI年龄、性别、体型等因素的影响，实证结果不一。本研究从沟通视角为设计者指明了重要方向和资源。

其他研究空白、局限性与未来研究方向

伦理原则与考量（如透明度、用户信任、隐私保护、减少偏见）在文献中存在 oversight，仅18篇综述提及。未来研究应关注健康AI的公平性标准。理论在健康对话AI干预中的应用尚不广泛，且缺乏专门解释人与健康AI沟通机制的理论。未来需加强理论构建，可借鉴人际沟通理论（如期望违背理论），但需超越现有范式发展更具体的理论。随着技术进步和用户对AI接触的增加，用户期望可能发生变化，未来研究需进一步比较人-人沟通与人-AI沟通的差异，制定比CASA现有指南更具体的脚本。

本研究存在局限性。首先，在赋予AI教育者、顾问等社会角色时需谨慎，应关注其对用户情感、认知和行为的潜在影响，未来可采用混合方法评估用户对AI社会角色的感知及其自我意识。其次，本研究基于CASA框架提出了三大类及其子类的综合列表，但未能穷尽每个子类的所有可能性，未来可针对每个（子）类别进行更深入的系统评价。

结论

本研究通过对现有系统评价/荟萃分析的归纳总结，提炼出健康导向对话AI的三个核心维度。研究意义主要体现在两方面：首先，通过总结对话特征、设计特性和交互功能在AI干预中的作用，在CASA框架下归纳性地提出了一个类型学，为未来实证研究奠定了重要基础；其次，通过宏观审视现有文献，不仅识别了学术关注的焦点，也指出了研究空白和有待深入的主题（如伦理）。整合人际沟通理论与CASA为未来研究提供了有价值的方向。期望通过重视对话AI中的沟通作用，能够开发出更具鲁棒性的健康干预措施，从而改善用户福祉。