AI-powered Chatbots: Effective Communication Styles in Sustainability Conversations
أظهرت دراستان تجريبيتان مسجلتان مسبقاً أن روبوتات الدردشة المدعومة بالذكاء الاصطناعي التي تستخدم أسلوب المقابلة التحفيزية أكثر فعالية من تلك التي تستخدم الأسلوب التوجيهي في تعزيز تفاعل المستخدم واهتمامه بقضايا الاستدامة، رغم أن كلا الأسلوبين يحققان نتائج تعليمية متقاربة.
تخيل عالماً يعتمد فيه المسار نحو مستقبل مستدام على المحادثة أكثر من اعتماده على المحاضرات. لعقود من الزمن، أدرك العلماء وصناع القرار أن إخبار الناس بما يجب عليهم فعله غالباً ما يفشل في تغيير سلوكهم. بدلاً من ذلك، فإن الطريقة الأكثر فعالية لتغيير السلوك هي مساعدة الناس على إيجاد أسبابهم الخاصة للتغيير. هذه الفكرة، المعروفة باسم "المقابلة التحفيزية"، هي تقنية استشارية حيث يقوم المرشد بطرح أسئلة مفتوحة والاستماع بعمق، مما يساعد الشخص الآخر على استكشاف قيمه الخاصة وحل مشاعر التضارب لديه بشأن موضوع صعب. وهي تتباين مع الأسلوب التقلي التوجيهي، حيث يقدم الخبير ببساطة تعليمات وحقائق وخطة عمل واضحة. وبينما استُخدم هذا النهج لفترة طويلة في مجال الرعاية الصحية لمساعدة الناس على الإقلاع عن التدخين أو إدارة الوزن، فقد برز سؤال جديد: هل يمكن لبرنامج حاسوبي، وتحديداً روبوت دردشة يعمل بالذكاء الاصطناعي، استخدام مهارات المحادثة الشبيهة بالبشر هذه لمساعدتنا في الاهتمام أكثر بالبيئة؟
وضع باحثان، إينيو بيلانتشيني وليوناردو بونتشينيلي، مع زميلهما أوجينيو فيكاريو، نصب أعينهما اختبار هذا السؤال. أرادا معرفة ما إذا كان بإمكان روبوت دردشة يعمل بالذكاء الاصطناعي مناقشة أهداف التنمية المستدامة للأمم المتحدة بفعالية — وهي قائمة عالمية من سبعة عشر هدفاً من أجل عالم أفضل — وما إذا كانت الطريقة التي يتحدث بها الروبوت ستغير مدى تفاعل الناس مع الموضوع. لقد صمما طريقتين متمايزتين لطريقة حديث روبوت الدردشة مع المشاركين البشريين. في أحد السيناريوهات، لعب الروبوت دور شريك داعم، مستخدماً أسلوب المقابلة التحفيزية لطرح أسئلة تشجع المستخدم على التفكير بعمق في سبب أهمية الاستدامة بالنسبة له. وفي السيناريو الآخر، تبنى الروبوت أسلوباً توجيهياً، حيث لعب دور معلم أو مدير يقدم معلومات واضحة ويحاول إقناع المستخدم بأهمية الأهداف.
ولمعرفة أي طريقة كانت أفضل، أجرى الفريق تجربتين عبر الإنترنت شملت ما يقرب من 1600 شخص. تم تخصيص كل مشارك عشوائياً للتحدث مع أحد أسلوبي روبوت الدردشة حول قضايا الاستدامة. كانت المحادثات قصيرة، تستغرق في المتوسط أقل من خمس دقائق، وتمت عبر متصفح ويب قياسي. وقاس الباحثون ثلاثة أشياء: مدى شعور المشاركين بأنهم تعلموا شيئاً، ومدى اهتمامهم بالموضوع بعد ذلك، وكمية ما كتبوه بالفعل أثناء الدردشة. وقد كان مقدار الكتابة بمثابة مقياس مباشر للتفاعل، مما يوضح مقدار الجهد الذي يبذله الشخص في المحادثة.
كشفت النتائج عن فرق واضح في كيفية استجابة الناس للأسلوبين. فقد كتب أولئك الذين تحدثوا مع روبوت الدردكة باستخدام أسلوب المقابلة التحفيزية كلمات أكثر بكثير من أولئك الذين تحدثوا مع الأسلوب التوجيهي. وهذا يشير إلى أن النهج القائم على التعاطف والأسئلة أبقى الناس أكثر انخراطاً ورغبة في مواصلة المحادثة. علاوة على على ذلك، أفاد المشاركون في مجموعة المقابلة التحفيزية بشعورهم بمستوى أعلى من الاهتمام بمواضيع الاستدامة بعد الدردشة مقارنة بالمجموعة التوجيهية؛ فقد شعروا بمزيد من الفضول والتفاعل مع المادة المطروحة.
ومع ذلك، وجدت الدراسة أيضاً حداً مفاجئاً لقوة أسلوب المحادثة. فبالرغم من ارتفاع مستوى التفاعل والاهتمام، وجد الباحثون عدم وجود فرق ملموس في مدى شعور الناس بأنهم قد تعلموا. وسواء كان روبوت الدردشة مستمعاً داعماً أو معلماً مباشراً، فإن التقييم الذاتي للمشاركين لمعرفتهم الجديدة كان متساوياً تقريباً. وهذا يشير إلى أنه بينما يعد النبرة الودودة والمستفسرة ممتازة لإثارة الاهتمام والمشاركة، إلا أنها لا تجعل الناس يشعرون بالضرورة بأنهم استوعبوا المزيد من الحقائق مقارنة بالنبرة التعليمية المباشرة. تشير الدراسة إلى أن "كيفية" المحادثة تهم بعمق بالنسبة للتحفيز والانتباه، ولكن ربما ليس بالنسبة للشعور الفوري باكتساب المعرفة.
تقدم هذه النتائج رؤية عملية لأي شخص يحاول تعزيز الوعي البيئي. إن استخدام روبوت دردشة يعمل بالذكاء الاصطناعي يستمع ويطرح الأسئلة بدلاً من روبوت يلقي المحاضرات فحسب، يبدو وسيلة أكثر فعالية لإثارة الاهتمام وتشجيع الناس على قضاء وقت في التفكير في الاستدامة. لا تدعي الدراسة أن هذه الطريقة تحل أزمة المناخ أو أنها تخلق خبراء دائمين، لكنها تظهر أن نبرة التفاعل الرقمي يمكن أن تؤثر بشكل كبير على رغبة الشخص في التفاعل. ومن خلال السماي للناس باستكشاف الموضوع وفقاً لشروطهم الخاصة، حتى من خلال دردشة قصيرة مع آلة، قد نكون أكثر قدرة على الوصول إلى قلوب وعقول أولئك الذين يحتاجون لأن يكونوا جزءاً من الحل.
بيان المشكلة تعد استراتيجيات التواصل الفعالة أمراً حاسماً لتعزيز الوعي، والمشاركة، وتغيير السلوك فيما يتعلق بقضايا الاستدامة. وبينما يُعد "المقابلة التحفيزية" (Motivational Interviewing - MI) أسلوباً راسخاً في الاستشارة يتميز بكونه متمحوراً حول العميل ومعروفاً بقدرته على تعزيز الدافع الداخلي وحل التناقضات، يمثل "الأسلوب التوجيهي" (Directing Style - DS) نهجاً أكثر سلطوية ويركز على الحلول. ولا تزال الفعالية المقارنة لهذه الأساليب عند تقديمها عبر الذكاء الاصطناعي غير مستكشفة بشكل كافٍ. كما تواجه عمليات التنفيذ التقليدية لهذه الأساليب عوائق تتعلق بتكالك التدريب وقابلية التوسع. تبحث هذه الورقة فيما إذا كان بإمكان روبوتات الدردشة المدعومة بالذكاء الاصطناعي محاكاة هذه الأساليب المتميزة بفعالية للتأثير على مشاركة المستخدم ونتائج التعلم ضمن سياق أهداف التنمية المستدامة للأمم المتحدة (SDGs).
المنهجية أجرى المؤلفون دراستين تجريبيتين عبر الإنترنت تم تسجيلهما مسبقاً، شملتا إجمالي 1,588 مشاركاً تم استقطابهم عبر منصة Prolific. استخدمت التجارب روبوت دردشة مبنياً على منصة Landbot، متكاملاً مع النموذج اللغوي الكبير (LLM) من طراز GPT-3.5-turbo.
التصميم التجريبي: تم توزيع المشاركين عشوائياً على أحد شرطين:
المقابلة التحفيزية (MI): تبنى روبوت الدردشة أسلوباً تعاونياً، غير إصدار أحكام، ومتعاطفاً، باستخدام أسئلة مفتوحة والاستماع التأملي لمساعدة المستخدمين على استكشاف دوافعهم الخاصة تجاه أهداف التنمية المستدامة.
الأسلوب التوجيهي (DS): تبنى روبوت الدردشة نهجاً سلطوياً وتوجيهياً، يقدم تعليمات واضحة، وحلولاً محددة، ويحاول إقناع المستخدم بأهمية أهداف التنمية المستدامة.
ملاحظة: كانت المطالبات (prompts) المقدمة للنموذج اللغوي الكبير متطابقة تقريباً، حيث اختلفت فقط في أسلوب التواصل المحدد، والهدف (المساعدة في التأمل مقابل الإقناع بالأهمية)، والسؤال الافتتاحي.
الإجراءات: انخرط المشاركون في محادثة مع روبوت الدردشة حول أهداف التنمية المستدامة. وكان بإمكانهم إنهاء المحادثة في أي وقت، ليتم توجيههم بعد ذلك إلى استطلاع نهائي.
المتغيرات:
المشاركة: تم قياسها سلوكياً من خلال إجمالي عدد الكلمات التي كتبها المستخدم.
التقييم الذاتي للاهتمام: تم قيؤسه عبر مقياس ليكرت الاستعادي (0–5) يسأل عما إذا كان الاهتمام بالاستدامة قد ازداد.
التقييم الذاتي للتعلم: تم قيؤسه عبر مقياس ليكرت الاستعادي (0–5) يسأل عن مقدار ما تم تعلمه.
مقاييس ثانوية: الرغبة في تلقي معلومات مكلفة (خيار ثنائي) والتقييم الذاتي للرضا (مقياس الوجوه الضاحكة المكون من 5 نقاط).
التحليل الإحصائي: استخدم المؤلفون اختبارات Wilcoxon rank-sum للمخرجات الأولية، وانحدارات probit/ordered probit للمخرجات الثانوية والتحليلات الاستكشافية.
النتائج الرئيسية أسفرت البيانات المجمعة من كلتا الدراستين عن النتائج التالية:
المشاركة: أدى شرط المقابلة التحفيزية (MI) إلى مشاركة أعلى بكثير من شرط الأسلوب التوجيهي (DS). حيث كتب المشاركون في مجموعة MI كلمات أكثر بكثير (اختبار Wilcoxon rank-sum، p<0.001). وكانت هذه النتيجة قوية عبر مقايقات المشاركة البديلة، بما في ذلك الوقت المستغرق، وعدد جولات المحادثة، والكلمات لكل جولة.
الاهتمام: أفاد المشاركون في شرط MI باهتمام أعلى بكثير بمواضيع الاستدامة مقارنة بشرط DS (p=0.032).
التعلم: لم يتم العثور على فرق ذي دلالة إحصائية بين الشرطين فيما يتعلق بالتعلم المقيّم ذاتياً (p=0.162). ولم يكن بالإمكان رفض الفرضية الصفرية التي تفترض تساوي مستويات التعلم.
المخرجات الثانوية: أشار التحليل الاستكشافي إلى أن شرط MI زاد من احتمالية تفويض المشاركين لإجراء اتصالات مستقبلية بشأن الاستدامة، وسجل مستويات رضا أعلى مقارنة بشرط DS.
تحليل الآلية: اقترح تحليل استكشافي أنه بينما قد يكون لـ DS تأثير إيجابي مباشر على التعلم، إلا أن هذا التأثير يتم تحييده من خلال المسار غير المباشر حيث تزيد MI من المشاركة والاهتمام، مما يؤثر بدوره إيجاباً على التعلم. وعند التحكم في هذه المسارات غير المباشرة، ظهر تأثير إيجابي مباشر لـ DS على التعلم، رغم أن التأثير الصافي الإجمالي ظل غير معتد به إحصائياً.
الأهمية والادعاءات تدعي الورقة أن تطبيق المقابلة التحفيزية من خلال روبوتات الدردشة المدعومة بالذكاء الاصطناعي يعد مساراً واعداً لتعزيز المشاركة والاهتمام بقضايا الاستدامة دون المساس بالمحتوى المعلوماتي المستلم. وتشير النتائج إلى ما يلي:
قابلية التوسع: يمكن لروبوتات الدردشة المدعومة بالذكاء الاصطناعي تقديم تقنيات المقابلة التحفيزية بفعالية، مما يوفر بديلاً منخفض التكلفة للمشغلين البشريين لتعزيز السلوكيات المستدامة.
أهمية الأسلوب: يؤثر أسلوب التواصل الخاص بوكيل الذكاء الاصطناعي بشكل كبير على مشاركة المستخدم والاهتمام بالموقف. فالأسلوب التعاوني والمتعاطف (MI) يتفوق على الأسلوب التوجيهي (DS) في هذه المقاييس المحددة.
الآثار السياساتية: توفر هذه النتائج لصناع السياسات والممارسين أداة تدخل إضافية. ومن خلال تسخير الذكاء الاصطناعي لتقديم المقابلة التحفيزية، يمكن للمؤسسات تفعيل التآزر مع تدخلات السياسة القائمة لتعزيز التغيير السلوكي.
القصور والتواضع يقر المؤلفون صراحةً بعدة قيود:
القياس: تعتمد الدراسة على البيانات المبلغ عنها ذاتياً للاهتمام والتعلم، والتي تلتقط "الاهتمام بالموقف" و"التعلم المدرك" بدلاً من الاهتمام الشخصي طويل الأمد أو اكتساب المعرفة الموضوعية.
الصلاحية الخارجية: قد يحد استخدام مشاركين من منصة Prolific من إمكانية تعميم النتائج على الفئات ذات الثقافة الرقمية المنخفضة.
المدة: كانت التدخلات قصيرة (متوسط المدة أقل من 5 دقائق)، ولا تدعي الدراسة قياس الاستمرارية السلوكية طويلة الأمد.
التكنولوجيا: استخدمت الدراسة نموذج GPT-3.5-turbo؛ وبينما يتوقع المؤلفون أن تؤدي النماذج الأحدث أداءً مماثلاً على الأقل، فإن النتائج محددة بقدرات النموذج المستخدم في وقت إجراء الدراسة.
تخلص الورقة إلى أنه بينما تظهر المقابلة التحفيزية مزايا واضحة للمشاركة والاهتمام، إلا أن هناك حاجة لمزيد من البحث لتحديد تأثيرها طويل الأمد على السلوكيات الفعلية الصديقة للبيئة وللتحقق من هذه النتائج باختبارات معرفية موضوعية.