Nudging Sustainable Choices through LLM-Generated Recommendation Explanations
تُظهر هذه الدراسة أنه في حين أن مجرد الإفصاح عن معلومات الاستدامة في تفسيرات التوصيات المُولدة بواسطة النماذج اللغوية الكبيرة يفشل في تغيير خيارات المستخدمين، فإن تأطير هذه المعلومات أو استحضار المعايو الاجتماعية الوصفية يوجه المستهلكين بفعالية نحو الاختيارات المستدامة عبر مجالات المشاركة المنخفضة والعالية على حد سواء.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تسير في سوبر ماركت رقمي ضخم، حيث يحاول مساعد آلي (روبوت) ودود تخمين ما تريد شراءه. هذا الروبوت هو "نظام توصية"، وهو قطعة من البرمجيات تقترح عليك عناصر بناءً على ما أعجبك سابقاً. الآن، تخيل أن العالم يحاول دفع الجميع لاتخاذ خيارات أفضل لكوكب الأرض، مثل اختيار قهوة تستخدم بلاستيكاً أقل أو فندق يوفر في استهلاك الطاقة. يسأل العلماء: هل يمكننا تعليم هذا الروبوت ليس فقط العثور على ما "تحبه"، بل دفعه بلطف نحو ما هو "جيد للأرض" دون إجبارك؟
للقيام بذلك، يستخدم الباحثون فكرتين رئيسيتين. أولاً، يستخدمون "التفسيرات". فبدلاً من مجرد قول "إليك هذه القهوة"، يقول الروبوت: "إليك هذه القهوة لأنك تحب التحميص الداكن". هذا يشبه نادلاً يخبرك لماذا طبق معين جيد. ثانياً، يستخدمون "الوكز" (Nudges). الوكز ليس دفعة، بل هو تغيير طفيف في كيفية تقديم المعلومات يجعل الخيار الصحيح يبدو أسهل أو أكثر جاذبية، مثل وضع الفاكهة في مستوى العين في المقصف. السؤال الكبير هو: إذا أخبرنا الروبوت بـ لماذا يكون المنتج صديقاً للبيئة، فهل سيشتريه الناس حقاً؟ وهل يهم كيف يقول الروبوت ذلك؟
يتعمق هذا البحث في هذا السؤال من خلال تحويل تفسير الروبوت إلى "راوٍ للقصص" ذكي للغاية ومدعوم بالذكاء الاصطناعي. أراد الباحثون، هيا حليمة، ديتمار ياناخ، وأوليفر مولر، معرفة ما إذا كان بإمكانهم استخدام النماذج اللغوية الكبيرة (LLMs) — وهي نفس نوع الذكاء الاصطناعي الذي يكتب المقالات ويتحدث معك — لإنشاء هذه التفسيرات الصديقة للبيئة بشكل فوري. لقد اختبروا ذلك في عالمين مختلفين تماماً: شراء كوب رخيص من القهوة سريعة التحضير (قرار سريع ومنخفض المخاطر)، وحجز فندق لقضاء عطلة (قرار كبير ومكلف وعالي المخاطر).
قام الفريق بإعداد لعبة حيث تعين على 529 شخصاً حقيقياً الاختيار بين أربعة عناصر تتوافق جميعها مع أذواقهم الشخصية تماماً. بعض العناصر كانت "أكثر خضرة" (مثل أن تكون ذات تغليف قابل لإعادة التدوير أو تحمل شهادة خضراء)، والبعض الآخر لم يكن كذلك. كانت المفاجأة في التفسير الذي يقدمه الذكاء الاصطناعي لكل عنصر. لقد اختبروا أربع طرق مختلفة للتحدث عن الميزات الخضراء:
- الحقائق المجردة: "هذا المنتج موصى به لأنه يحتوي على تغليف قابل لإعادة التدوير."
- إطار "الأخبار السارة": "هذا المنتج موصى به لأن تغليفه القابل لإعادة التدوير يساعد في تقليل نفايات المطامر ويدعم مستقبلاً أكثر نظافة." (التركيز على الفائدة الإيجابية).
- وكزة "الجميع يفعل ذلك": "هذا المنتج موصى به لأن العديد من العملاء الآخرين الذين بحثوا عن منتجات مماثلة اختاروه بسبب تغليفه القابل لإعادة التدوير." (التركيز على ما يفعله الأقران).
- لا معلومات خضراء: شرح سبب ملاءمته لذوقك فقط، دون أي ذكر للبيئة.
إليك ما وجدوه، وهو أمر يشبه حبكة غير متوقعة. ببساطة، إخبار الناس بالحقائق الخضراء (مجموعة "الحقائق المجردة") لم يغير آراءهم على الإطلاق. ظل الناس يختارون العناصر غير الخضراء بنفس الوتيرة السابقة. لم ينجح الذكاء الاصطناعي في جعلهم يهتمون بمجرد سرد البيانات.
ومع ذلك، عندما استخدم الذكاء الاصطناوي إطار "الأخبار السارة" أو وكزة "الجميع يفعل ذلك"، كانت النتائج دراماتيكية. في هذه المجموعات، قفز عدد الأشخاص الذين اختاروا الخيار المستدام من حوالي 51% (ما يعادل رمية عملة تقريباً) إلى حوالي 69% و67% على التوالي. وجد الباحثون أنه لم يكن مجرد امتلاك المعلومة هو المهم؛ بل كان كيفية صياغة هذه المعلومة. إطار "الأخبار السارة"، الذي سلط الضوء على النتيجة الإيجابية للاختيار، كان الأكثر قوة، مما جعل القرار يبدو أسهل وأكثر إرضاءً.
ومن المثير للاهتمام، لاحظ الباحثون فجوة مضحكة بين ما يقوله الناس وما يفعلونه. فعندما رأى الناس الحقائق المجردة، اعتقدوا أن التفسيرات كانت مفيدة وواضحة، لكن ذلك لم يترجم إلى شراء المنتج الأخضر. كان الأمر يتطلب صياغة التفسير كفائدة أو كنزعة اجتماعية ليقوم الناس بتغيير سلوكهم بالفعل. وهذا يشير إلى أن معرفة أن شيئاً ما "جيد" ليست كافية؛ بل تحتاج إلى الشعور بالأثر الإيجابي أو رؤية أن الآخرين يفعلون ذلك لتتمكن من إجراء التغيير فعلياً.
تحقق الفريق أيضاً مما إذا كان هذا يعمل لكل من القرارات السريعة (القهوة) والقرارات الكبيرة (الفنادق). وكانت الإجابة نعم: تنطبق نفس القواعد على كليهما. سواء كنت تنفق 5 دولارات أو 500 دولار، فإن التفسير المصاغ جيداً يمكن أن يوجهك نحو خيار أكثر اخضراراً دون سلب حريتك في الاختيار. يخلص الباحثون إلى أن استخدام الذكاء الاصطناعي لصياغة هذه القصص المحددة والمبنية على نظريات هو أداة قوية لتشجيع العادات المستدامة، لكنه لن ينجح إلا إذا حكيت القصة بالطريقة الصحيحة. فمجرد سرد الحقائق ليس كافياً لإحداث تغيير ملموس.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.