The Impact of a Chatbot's Ephemerality-Framing on Self-Disclosure Perceptions

Enunciado do Problema
A autodesclaração, o ato de compartilhar pensamentos e sentimentos, é fortemente influenciada pela natureza percebida do relacionamento entre indivíduos. Embora a pesquisa em interação humano-computador (IHC) tenha focado tradicionalmente no design de agentes conversacionais (ACs) que constroem relacionamentos persistentes e de longo prazo para fomentar a confiança, o impacto de enquadrar a interação de um chatbot como efêmera (temporária) versus persistente permanece subexplorado. Com os modelos de linguagem de grande escala (LLMs) oferecendo cada vez mais recursos de "memória" para continuidade e modos de "chat temporário" para privacidade, há uma necessidade de entender como esses distintos enquadramentos temporais afetam o conforto e a disposição do usuário para a autodesclaração. Especificamente, não está claro se um chatbot que se enquadra como um "Estranho" (esquecendo interações passadas) ou um companheiro "Familiar" (lembrando de interações passadas) facilita melhor o compartilhamento de informações emocionais sensíveis versus informações factuais de baixo risco.

Metodologia
Os autores conduziram um estudo com usuários empregando um design fatorial misto 2 × 2 para investigar os efeitos do Enquadramento de Efemeridade (entre sujeitos: Estranho vs. Familiar) e do Tipo de Desclaração (dentro de sujeitos: Factual vs. Emocional).

• Participantes: 127 participantes baseados nos EUA completaram duas sessões de chat ao longo de dois dias.
• Condições:
  • Condição Estranho: O chatbot se enquadrou como um "estranho amigável" que não se lembraria da conversa após o término da sessão. A interface não exibia histórico de chat.
  • Condição Familiar: O chatbot se enquadrou como um "companheiro amigável" que se lembraria de interações passadas e se tornaria familiar ao usuário. A interface exibia o histórico de chat anterior.
• Procedimento: Os participantes participaram de duas sessões. Em uma sessão, o chatbot induzia a desclaração Factual (hobbies, interesses, preferências), e na outra, a desclaração Emocional (sentimentos de solidão, conexões sociais, desafios de relacionamento). A ordem desses tipos de desclaração foi randomizada.
• Medidas:
  • Quantitativas: Pesquisas pós-sessão mediram honestidade, conforto, prazer, desejo de continuar e proximidade percebida (usando a escala de Inclusão do Outro no Eu). A extensão da resposta (contagem de palavras) também foi analisada.
  • Qualitativas: Perguntas abertas exploraram as percepções dos usuários sobre conforto, intrusividade e a influência do enquadramento do chatbot em sua disposição para a desclaração.
• Implementação: Os chatbots foram hospedados no Qualtrics usando uma mistura de enunciados pré-roteirizados (para estabelecer o enquadramento) e respostas geradas pelo GPT-4o (para reconhecer a entrada do usuário).

Principais Resultados
O estudo gerou descobertas significativas em relação à interação entre o enquadramento de efemeridade, o tipo de desclaração e a ordem da interação:

1. Conforto na Desclaração Emocional: Quando a desclaração Emocional era buscada na primeira sessão, os participantes na condição Estranho relataram níveis de conforto significativamente maiores em comparação com a condição Familiar. O enquadramento de Estranho proporcionou uma sensação de anonimato e reduziu o medo de julgamento.
2. O Papel da Ordem (Factual Primeiro): Quando a desclaração Factual era buscada na primeira sessão (seguida pela desclaração Emocional na segunda), a lacuna de conforto entre as condições desapareceu. Neste cenário, os participantes na condição Familiar relataram prazer significativamente maior e um desejo mais forte de continuar usando o chatbot.
3. Insights Qualitativos:
   • Estranho: Os usuários sentiram que este enquadramento proporcionava anonimato e reduzia o risco social, tornando-o adequado para tópicos sensíveis, especialmente em interações iniciais. Alguns descreveram a experiência como semelhante a "escrever um diário".
   • Familiar: Embora visto como amigável, o enquadramento Familiar foi por vezes percebido como intrusivo se tópicos sensíveis fossem introduzidos imediatamente. No entanto, quando o rapport foi primeiro estabelecido via desclaração Factual de baixo risco, os usuários sentiram-se mais confortáveis com o chatbot Familiar para a desclaração Emocional subsequente.
4. Proximidade: A proximidade percebida aumentou na segunda sessão para todos os participantes, mas a condição Familiar mostrou uma associação mais forte com a proximidade quando o rapport foi construído através de interação prévia.
5. Crenças no IA: Usuários que acreditavam que os chatbots possuíam maior inteligência relataram maior prazer, desejo de continuar e proximidade percebida, embora tendessem a fornecer respostas mais curtas (omitindo detalhes periféricos).

Principais Contribuições

• Evidência Empírica sobre Efemeridade: O artigo fornece evidências quantitativas e qualitativas de que o "enquadramento de efemeridade" de um chatbot impacta significativamente as percepções de desclaração, desafiando a suposição de que memória persistente e familiaridade são sempre superiores para o engajamento.
• Efetividade Dependente de Contexto: O estudo demonstra que o enquadramento ideal depende do tipo de desclaração e do estágio do relacionamento. O enquadramento efêmero é mais eficaz para a desclaração emocional sensível imediata, enquanto o enquadramento persistente torna-se mais benéfico para o prazer e o engajamento contínuo uma vez que o rapport de baixo risco foi estabelecido.
• Implicações de Design para LLMs: Os achados oferecem orientações específicas para o design de ACs com capacidades de memória, sugerindo que modos de "chat temporário" podem ser preferíveis para interações sensíveis iniciais, enquanto a memória persistente é melhor adequada para a construção de relacionamentos de longo prazo após o estabelecimento inicial de confiança.

Significância e Alegações
Os autores afirmam que seu trabalho destaca o papel matizado do enquadramento temporal nas interações humano-chatbot. Eles argumentam que, embora a personalização e a familiaridade sejam objetivos comuns de design, elas não são universalmente benéficas. Especificamente, o artigo postula que enquadrar um chatbot como um "Estranho" transitório pode criar um espaço mais seguro e catártico para a desclaração emocional aberta, ao mitigar os riscos sociais percebidos e as preocupações com a privacidade. Por outro lado, um enquadramento "Familiar" é mais eficaz quando os usuários já estabeleceram uma base de confiança através de interações de baixo risco.

O estudo conclui que os designers devem considerar o uso de enquadramento efêmero seletivamente, particularmente para encontros iniciais ou únicos envolvendo tópicos sensíveis, enquanto permitem que os chatbots transitem gradualmente para modos familiares e persistentes conforme os relacionamentos se desenvolvem. Os autores também observam que o mero reconhecimento da retenção de memória (ou a falta dela) pode preparar as expectativas do usuário em relação à profundidade e sensibilidade da conversa, sugerindo que a gestão dessas expectativas é crítica para um design de AC ético e eficaz.