Investigating Affective Use and Emotional Well-being on ChatGPT

打开缩放选项 自动 / 60 显示原文 Toggle switch 翻译有问题？ 更多操作 • 个体纵向分析 ：我们评估了约 6,000 名 ChatGPT 高级语音模式重度用户在 3 个月内的总 体使用情况，以了解他们的使用随时间如何演变。 • 用户调查 ：我们调查了超过 4,000 名用户，以了解他们使用 ChatGPT 时的自我报告行为 和体验。 2. 随机对照试验（ RCT ） • 981 用户研究 ：我们进行了一项随机对照试验，近千名参与者在 28 天内使用不同配置的 ChatGPT 模型，以了解文本和语音模型随时间推移对社交、问题性使用、依赖和孤独感 的影响。该随机对照试验的详细描述见一篇单独的伴随论文 ( Fang et al. , 2025 ) 。 • 对话分析 ：我们进一步分析了 31,857 段对话的文本和音频内容，以探究用户与模型之间 的交互关系与用户自我报告结果之间的关联。 我们的发现表明以下情况： • 通过平台数据分析和我们的随机对照试验发现，较高强度的使用（如得分前十分之一）与情 感依赖的迹象及较低的社交感知相关联。这强调了关注特定用户群体而非仅关注平台整体行 为的重要性。 • 通过平台上的数据分析和我们的随机对照试验 （ RCT ） ， 我们发现， 尽管参与此次分析的 Sample 用户大多以相对中立或任务导向的方式互动，但存在一小部分活跃用户，他们的对话中频繁 出现情感线索。 • 我们的随机对照试验发现，在控制使用时长的情况下，使用语音模型与更好的情绪健康相 关，但诸如较长的使用时间和研究开始时的自我报告孤独感等因子则与较差的心理健康结果 相关。 • 从方法论角度来看，我们发现平台数据分析与随机对照试验（ RCT ）在研究情感使用及其对 幸福感的下游影响方面是高度互补的方法。通过发挥每种方法的优势，我们得以形成一套更 为全面的研究结果。 • 我们还发现，尽管自动分类器并非完美，但它们为大规模研究模型的情感应用提供了一种高 效手段，其对话模式的分析与用户调查等其他数据源的分析结果相吻合。 第 2 节介绍了一套用于对话

saved by

• Sage