編輯導(dǎo)語：如今隨著科技的不斷發(fā)展，AI人工智能開始逐漸深入到學(xué)習(xí)生活中去，比如在教育領(lǐng)域就出現(xiàn)了很多關(guān)于智能學(xué)習(xí)助手類型的產(chǎn)品，與用戶進行互動；本文作者分享了關(guān)于智能產(chǎn)品交互中的鼓勵機制，我們一起來了解一下。

隨著AI時代的到來，智能學(xué)習(xí)助手、VR教學(xué)、口語考評等應(yīng)用將AI與教育深度融合。百度翻譯APP推出了全新的智能助手，陪伴用戶學(xué)口語和背單詞，讓英語學(xué)習(xí)過程更輕松有效。

本文以百度翻譯APP為例，探討智能學(xué)習(xí)助手在用戶口語訓(xùn)練環(huán)境下的鼓勵機制；分析學(xué)習(xí)助手如何與用戶互動，并給予鼓勵，最終提高用戶練習(xí)口語的自信心，幫助用戶提升口語技能。

一、鼓勵式交互的探索

1. 交互形式

我們想打造的學(xué)習(xí)助手是一位有溫度的、智能的貼心小伙伴，也是一位機器人，而機器的交互形式一般分為主動交互以及被動交互（表一），各有利弊：

表一 機器主動和機器被動交互方式對比

綜上，被動交互確實給用戶帶來了冰冷的感受，而目前的主動交互又不夠智能。

如果說用戶對于我們智能助手是一個機器人的感知很強，則不利于達到我們想給予用戶智能化體驗感的目標，無法營造我們有溫度并且了解用戶的個人學(xué)習(xí)助手形象，我們首先排除冷冰冰的被動交互。

那么如何解決目前主動交互不夠智能的問題呢？判斷用戶何時需要鼓勵，在適當?shù)臅r機發(fā)起主動交互，則是體現(xiàn)智能感的關(guān)鍵所在。

2. 推送機制

在英語對話過程中，如果用戶對于回復(fù)內(nèi)容不滿意或?qū)ψ约旱谋磉_不自信從而導(dǎo)致對話流程中斷，則說明用戶在該場景下需要得到鼓勵，當用戶因為其他原因主動中斷對話則說明當下用戶不需要得到鼓勵。

那么為了使得用戶能夠更自信地將對話流程進行下去，我們需要判斷用戶中斷對話流程的真正原因（表二），當判斷用戶為被動終止對話時（圖一），則需要在此時給到主動的鼓勵式交互。

表二 如何識別用戶中斷流程的真正原因

用戶被動終止對話圖示

通過預(yù)判，在合適的時機主動給予的鼓勵會給用戶帶來自信感、驚喜感；接下來，讓我們談?wù)劰膭钍浇换サ木唧w細節(jié)。

二、鼓勵式交互的內(nèi)容

1. 鼓勵式交互的內(nèi)容構(gòu)成

在口語訓(xùn)練的場景下，為了滿足用戶的自信心，從而敢開口說英語，智能助手的鼓勵形式將采用表情加文字的形式進行鼓勵。表情用于傳達情緒，文字用于傳達意義（表三）。

表三 鼓勵式交互的內(nèi)容構(gòu)成

表情包是聊天中常用的一種表達形式，能迅速拉近人與人之間的距離，智能助手在給予用戶鼓勵時，也可以先以一個可愛的表情開始，讓用戶感受到親切感。

當智能助手發(fā)送表情之后，接下來會給予用戶一條文字鼓勵，其目的是為了將鼓勵的信息準確無誤的傳達給用戶，讓用戶感知到自己其實很棒！

表情部分可以應(yīng)用流行的emoji表情或可愛的插圖表情，在此不做重點分析，本文主要探索文字鼓勵的生成機制。

2. 文字鼓勵的生成機制

針對用戶被動終止對話的情況，專門制定了一套針對英語口語學(xué)習(xí)場景下鼓勵內(nèi)容的生成機制，其中整段鼓勵內(nèi)容由兩部分組成：第一部分是簡單明了的給予用戶一個積極和肯定的詞匯，用于傳達正向的情緒；第二部分則是通過判定英語語句是否地道，來進行細致的贊美。

一個積極的詞匯能夠簡單直接的對用戶的負面情緒產(chǎn)生修復(fù)作用，如“真棒、了不起”等，這類詞匯被頻繁運用在各類游戲以及學(xué)習(xí)APP中。

但是，單純簡單詞匯的使用，有可能向用戶傳達出不走心、敷衍的感覺，所以需要在簡單地夸贊后，通過判定英語語句是否地道，進行差異化贊美；這類夸贊更有針對性，有利于幫助用戶感受到陪自己訓(xùn)練的不是一個冰冷的機器人，而是一個像朋友一樣的陪練。

3. 判斷英語口語是否地道的標準

根據(jù)雅思、托福、英語四六級、BEC商務(wù)英語等英語考試的口語測評標準來看，口語考試主要從語言表達的流暢性和準確性，語法和單詞運用的多樣性、復(fù)雜性，內(nèi)容的豐富度和邏輯性等方面來考察。

不同機構(gòu)和考試對英語口語評價的標準略有差異，但總體來看，評判英語口語是否地道的標準主要有三個方面，分別是流利度、準確度、復(fù)雜度，這三個方面也是AI系統(tǒng)可以進行量化的標準。

判斷英語口語是否地道的標準

流利度：

流利度是一段語音中，用戶說話的停頓次數(shù)，單詞的重復(fù)次數(shù)，說話的語速，語音和語調(diào)。

判定方法：單詞與單詞之間停頓度時間越短，則說明用戶流利度越高；例如，在語句中出現(xiàn)類似于“嗯…啊…”等明顯思考度詞語，則視為不流利，如果用戶使用類似詞語次數(shù)比以往少，則說明比以往流利度提高了。

復(fù)雜度：

復(fù)雜度是指一段語音中單詞和語法運用的復(fù)雜程度和多樣性。

判定方法：單詞復(fù)雜度的方式主要根據(jù)使用高階或生僻詞單詞的頻率來判定；語法復(fù)雜度主要是依靠用戶使用高階語法的頻率來判定。

準確度：

準確度是指一段語音中語法是否準確，時態(tài)是否準確以及單詞運用的是否恰當。

判定方法：需要和該句子的標準翻譯進行比對，主要比對的維度分別為時態(tài)、句子成分是否缺失，第三人稱單數(shù)，單詞的單復(fù)數(shù)變形等明顯的語法錯誤。如果用戶運用到了高階的語法，也可以說明語法準確度提高。

由于時態(tài)是英語口語學(xué)習(xí)者最容易犯的錯誤之一，所以如果用戶在時態(tài)上的正確率有明顯的提高，那么可以說明用戶的準確度提高；另外，是否使用網(wǎng)絡(luò)流行詞匯和相關(guān)俚語，可以作為單詞準確度的判定方式之一，如果說用戶在對話中首次使用網(wǎng)絡(luò)詞匯和俚語，或者是使用的頻率越來越高則都說明準確度提高。

通過分析英語口語的核心判斷標準可以得出有以下關(guān)鍵指標，分別是停頓次數(shù)、單詞重復(fù)次數(shù)、語速、語音、語調(diào)、單詞復(fù)雜度、單詞準確度、語法復(fù)雜度、語法準確度，等9項關(guān)鍵指標；當系統(tǒng)識別出用戶處于被動終止對話的狀態(tài)時，可以從以上9個指標中隨機篩選一個進行鼓勵。

4. 文字鼓勵的語句結(jié)構(gòu)

通過以上所闡述的原理和標準，主要是讓機器能夠說出一句能夠緩解用戶挫敗情緒的鼓勵內(nèi)容，其目的還是為用戶營造出智能化的體驗，該鼓勵式語句的一般結(jié)構(gòu)如下表（已申請專利）。

表四 文字鼓勵的語句結(jié)構(gòu)

三、總結(jié)和展望

1. 總結(jié)

本文致力于探索人機交互的可能性，從鼓勵式交互出發(fā)，圍繞用戶語言學(xué)習(xí)從而構(gòu)建智能交互的設(shè)計思路。

在學(xué)習(xí)場景下，用戶學(xué)習(xí)的投入程度與學(xué)習(xí)效率有著緊密聯(lián)系，通過研究用戶體驗流程，捕捉投入程度薄弱的環(huán)節(jié)在恰當?shù)臅r機給予相應(yīng)的鼓勵，從而提高用戶對于產(chǎn)品使用的參與感、沉浸感，幫助緩解用戶學(xué)習(xí)積極性不高，自主性不夠的行為表現(xiàn)。

2. 展望

本文所談到的維度確實還存在著一些不足，未對于不同用戶操作習(xí)慣進行細分，而是提出了一系列通用的觀點和方法，在具體的學(xué)習(xí)場景下還會有繁雜的次要場景分支；此次主要根據(jù)用戶目標提出了基于主要場景下的設(shè)計方案，相關(guān)次要場景的設(shè)計方案還需進一步深入探討。

近年來，隨著人工智能，5G的技術(shù)革新，移動應(yīng)用、小程序等媒介形態(tài)實現(xiàn)了全面發(fā)展，更加專注于情感化人機交互的各式產(chǎn)品在不同的領(lǐng)域發(fā)揮著強大的號召力和影響力；尤其是在智能算法的加持下，當今的互聯(lián)網(wǎng)產(chǎn)品對于用戶而言不再是機器或工具，在交互過程中更作為人格化、情感化的“伙伴”參與用戶的各類生活場景與情感寄托。

作為為用戶創(chuàng)造價值的我們在學(xué)習(xí)場景下，不只是給予用戶提供學(xué)習(xí)工具，而應(yīng)當成為用戶學(xué)習(xí)過程中不可缺少的部分，應(yīng)當助力于提升用戶在產(chǎn)品使用場景下的沉浸感、參與感、體驗感，這也對未來智能化人機交互的設(shè)計提出了挑戰(zhàn)。

本文由 @Lueve 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議