儿童与 LLM 聊天机器人互动中的拟人化

查看题为《儿童与 LLM 聊天机器人互动中的拟人化：对驱动因素和结果的系统回顾》论文的 PDF，作者为 Hansinie Madushika Jayathilake 和其他 1 位作者 摘要：跨领域的研究人员通过各种视角和方法研究了儿童对基于 LLM 的聊天机器人的使用情况。然而，先前关于拟人化的研究仍然支离破碎，即儿童倾向于将人类特征分配给那些大型语言模型（LLM）聊天机器人作为非人类对象。通过分析 2022 年至 2025 年间发表的 35 项实证研究，这篇系统文献综述确定了儿童 LLM 聊天机器人交互中拟人化的驱动因素以及这些交互的后续结果。我们发现类人角色构建、适应性脚手架、支持性陪伴和非人类体现设计推动了儿童的拟人化互动。此外，还出现了五种拟人化的结果，包括儿童表现出矛盾的社会和道德反应、对聊天机器人的双重意识、形成不同的社会关系、探索社会界限以及将人类叙事归因于对话失败。这些研究结果（包括好处和风险）可以为大语言模型聊天机器人的未来设计和开发提供信息，这些聊天机器人重点关注儿童的福祉，并促进满足儿童发展需求的可持续互动。查看题为《儿童与 LLM 聊天机器人互动中的拟人化：驱动因素和结果的系统回顾》论文的 PDF，作者为 Hansinie Madushika Jayathilake 和其他一位作者。

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都接受并接受了我们开放、社区、卓越和用户数据隐私的价值观。

arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。您有一个能为 arXiv 社区增加价值的项目想法吗？了解有关 arXivLabs 的更多信息。