AutiHero: Engaging Parents in Creating Personalized, Multi-path~Social Narratives for Autistic Children

以下是关于论文《AutiHero: Engaging Parents in Creating Personalized, Multi-path Social Narratives for Autistic Children》的详细技术总结：

1. 研究背景与问题 (Problem)

• 核心挑战：自闭症儿童在理解社交情境、推断他人意图及解读隐性社交线索方面存在困难。社会叙事（Social Narratives）是一种有效的干预手段，通过结构化故事帮助儿童理解社交期望。
• 现有痛点：
  • 家长负担重：制作高质量的社会叙事需要大量时间和精力。家长必须根据儿童的具体兴趣、认知特点和日常生活情境定制故事，且需遵循严格的规则（如使用字面语言、分解步骤、减少歧义）。
  • 通用生成工具的局限：现有的生成式 AI（GenAI）虽然能生成故事，但在处理自闭症儿童所需的高显性度（explicitness）、因果逻辑稳定性以及跨场景视觉一致性方面表现不佳。通用模型常产生逻辑断裂、角色形象不一致或不恰当的内容。
  • 缺乏行为演练：传统叙事往往缺乏让儿童模拟不同行为选择及其后果的机会，导致难以将学习迁移到现实行为中。

2. 方法论与系统设计 (Methodology & System Design)

为了解决上述问题，研究团队提出了 AutiHero，一个基于生成式 AI 的系统，旨在支持家长创建个性化、多路径的社会叙事。

2.1 设计原则 (基于形成性研究)

通过对 10 位自闭症专家的访谈，确立了以下设计目标：

• 降低家长负担：支持家长指定主题和情境，提供低门槛的生成与迭代编辑流程。
• 情境化与主角化：以儿童为主角，融入其真实生活情境（兴趣、人物、地点），使行为因果关系直观可见。
• 行为演练与对比：通过展示不同行为选择及其后果，支持儿童进行行为模拟和比较。

2.2 系统架构与生成流程

AutiHero 包含 Creator（Web 端，用于创建）和 Reader（平板端，用于共读）两个应用。其核心生成管道如下：

1. 输入与配置：

   • 家长上传儿童照片（系统将其转换为去识别化的风格化肖像）、注册熟悉的人物、地点及儿童的兴趣（如玩具、爱好）。
   • 家长输入目标行为（Target Behavior），例如“等待轮到自己”。

2. 多路径故事结构 (Multi-path Structure)：

   • 故事被设计为包含挑战（Challenge）、决策（Decision）、后果（Consequence）、修复（Repair）和结局（Ending）。
   • 分支设计：在决策点，故事分为“可取路径”（Desirable Path）和“不可取路径”（Undesirable Path）。
   • 因果逻辑：不可取路径会展示负面后果，但随后包含“修复”环节，展示如何纠正错误并回归积极结局，帮助儿童理解错误并非不可挽回。
   • 主题分类：系统定义了三种主题类型（人际关系、社会规则、健康习惯），每种类型对应不同的叙事流。

3. 生成管道 (Generative Pipelines)：

   • 文本生成：使用 LLM（GPT-4o/4.1）基于模板生成多路径故事草稿。
   • 内容验证与优化：
     • 内容验证器：检查是否避免隐喻、是否符合儿童真实情境。
     • 文本润色器：根据 Flesch-Kincaid 阅读等级和 CEFR 词汇标准，将文本简化至小学水平。
     • 翻译：将英文故事翻译为韩文（使用 Few-shot 学习提高质量）。
   • 插图生成：
     • 场景描述生成：基于故事文本生成每个页面的场景描述。
     • 实体匹配与视觉描述：确保角色、物体（如特定的玩具）在跨页面中保持一致性。对于未注册的实体，生成详细的视觉描述。
     • 图像生成：使用多模态 LLM 和图像生成模型（gpt-image-1）生成插图，确保风格统一（彩色铅笔风格，避免过度写实带来的焦虑）且与文本对齐。

4. 隐私保护：

   • 使用 OpenAI Enterprise 确保数据不用于训练。
   • 后端服务器将上传的真实人脸转换为风格化肖像（去识别化），仅保留一般视觉特征，原始图像在处理后立即删除。

3. 主要贡献 (Key Contributions)

1. 系统实现：构建了 AutiHero，这是一个结合了多路径叙事结构、情境化文本/图像生成管道以及事后审查编辑功能的 GenAI 系统。
2. 实证研究：进行了为期两周的部署研究，涉及 16 对自闭症儿童 - 家长组合。结果显示家长积极创建（平均每人 13.63 个故事）、编辑并阅读故事，且儿童参与度很高。
3. 设计启示：提出了针对敏感语境（自闭症儿童）下 GenAI 应用的设计原则，强调了家长引导、反思以及伦理隐私的重要性。

4. 研究结果 (Results)

• 使用情况：
  • 共创建了 218 个故事，平均每天阅读 4.25 个故事。
  • 故事主题广泛，涵盖社交规范（35%）、自我照顾（25%）、社交互动等。
  • 家长经常根据即时情境（如洗澡、去婚礼）定制故事，而不仅仅是通用规范。
• 个性化与参与度：
  • 儿童对包含自己形象、熟悉朋友和兴趣爱好的故事表现出极高的兴趣（平均参与度评分 4.02/5）。
  • 多路径设计鼓励儿童主动思考。部分儿童倾向于选择“可取路径”，而另一些则被“不可取路径”吸引，家长借此机会引导儿童讨论不同选择的后果。
• 家长反馈：
  • 行为引导转变：82% 的家长表示，通过创作故事，他们更倾向于从儿童视角思考，减少了责骂，增加了建设性沟通。
  • 儿童行为改变：76% 的家长报告观察到目标行为的积极变化（如尝试新游乐设施、克服恐惧、改善兄弟姐妹关系）。
  • 易用性：家长认为系统直观易用，比传统手动制作 Social Stories 更便捷。

5. 意义与讨论 (Significance & Discussion)

• 技术层面：证明了通过精心设计的提示工程、多步验证和实体一致性控制，GenAI 可以生成符合特殊需求（自闭症）的高质量、逻辑严密且视觉一致的教育内容。
• 干预层面：将社会叙事从“静态阅读”转变为“动态交互与演练”。多路径结构让儿童在安全的环境中模拟行为后果，促进了从认知到行为的迁移。
• 家长赋能：系统不仅是一个内容生成器，更是一个反思工具。它帮助家长重新审视育儿策略，从“纠正问题”转向“利用兴趣引导”，增强了家长的自我效能感。
• 伦理考量：研究强调了在利用儿童个人数据（照片、行为）时的隐私保护（如去识别化处理），并指出未来需在“家长自主权”与“基于证据的干预建议”之间取得平衡，避免家长因个人价值观而制定不恰当的教育目标。

总结：AutiHero 成功地将生成式 AI 转化为一种赋能工具，通过个性化、多路径的叙事方式，有效降低了自闭症家庭实施行为干预的门槛，并促进了亲子间积极的互动与沟通。