样本流API:用于实时事件数据流的AI增强方法

科学领域:

• 行为科学和社会科学.
• 人与计算机的互动.
• 计算社会科学 计算社会科学

背景情况:

• 传统的行为研究方法往往缺乏实时数据收集能力.
• 将与事件相关的数据与移动调查和实验相结合,带来了技术上的挑战.
• 人工智能在实验设计中提供了动态内容操纵的潜力.

研究的目的:

• 引入和评估一种新的实时行为和社会研究方法,使用人工智能驱动的内容流.
• 评估通过人工智能用于实验目的操纵内容,特别是新闻标题的可行性.
• 确定人工智能操纵内容对参与者体验,可读性和信息熟悉性的影响.

主要方法:

• 开发了Samply软件的扩展,将事件相关数据与移动调查和实验集成在一起.
• 进行了一项实验,通过聊天GPT算法修改新闻标题,并通过Samply Stream API和移动推送通知向参与者流传.
• 收集和分析了参与者的反,可读性评估和熟悉新闻状况.

主要成果:

• 流媒体方法是可行的,大多数参与者没有报告任何技术问题.
• 在原始,转述和注入错误信息的新闻条件中,没有发现可读性的显著差异.
• 参与者对错误信息注入的新闻的熟悉度明显减少,这表明成功操纵而不影响可读性.
• 退学率和不响应率与现有的经验抽样研究相比较.

结论:

• 由人工智能驱动的实时内容流媒体方法是行为和社会研究的可行和有效工具.
• 这种方法通过在自然环境中收集数据来增强研究的外部有效性.
• 潜在的应用范围包括论研究,医疗保健,营销和环境监测,为研究人类行为提供了强大的工具.