这篇文档属于 类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

AI驱动的在线辩论观众去极化调解策略研究

一、作者与发表信息

本研究由 Jarod Govers、Eduardo Velloso、Vassilis Kostakos 和 Jorge Goncalves 四位作者共同完成，均来自 The University of Melbourne（澳大利亚墨尔本大学）。论文发表于 ACM CHI Conference on Human Factors in Computing Systems (CHI ’24)，会议时间为2024年5月11日至16日，地点为美国夏威夷檀香山。

二、学术背景

科学领域：
本研究属于 人机交互（HCI） 与 社会心理学 的交叉领域，聚焦于在线社交媒体的辩论极化问题，并探索人工智能（AI）在调解冲突中的应用。

研究动机：
社交媒体中的极化现象会强化用户对分歧的感知，破坏公共讨论的理性基础。传统的内容审核（content-moderation）方法（如删除或标记争议内容）虽能短期控制冲突，但无法解决根本性的观点对立，甚至可能压制开放讨论。因此，本研究提出了一种基于AI的主动调解策略，旨在通过心理学理论驱动的干预手段，减少观众（而非直接参与者）的极化倾向。

理论基础：
1. Thomas-Kilmann冲突模式工具（TKI, Thomas-Kilmann Conflict Mode Instrument）：一种经典心理学框架，将冲突解决策略分为五类（竞争/强迫、回避、妥协、迁就、协作），依据“合作性（cooperativeness）”与“坚持性（assertiveness）”两个维度划分。
2. 生成式AI技术：利用 GPT-4 模型生成调解文本，通过提示工程（prompt-tuning）实现不同TKI策略的自动化应用。

研究目标：
1. 验证TKI策略在AI调解中的有效性；
2. 评估不同策略对观众观点去极化（depolarisation）的影响；
3. 为社交媒体平台设计可扩展的非侵入性干预工具。

三、研究流程与方法

研究分为 辩论文本设计、调解机器人开发、实验验证 三个阶段，具体流程如下：

1. 辩论文本设计
- 数据来源：从公共辩论平台 Kialo 选取5个具有社会争议性的话题（如“公共交通是否应免费”“新冠疫苗强制接种”等），确保话题涵盖政治、经济、社会多元领域。
- 文本结构：模拟 Reddit 的对话形式，每个话题包含一对立场相反的辩论帖及回复链，以保持辩论的真实性与平衡性。
- 防偏倚设计：隐藏用户名称、投票数据、来源链接等可能引发偏见的元素。

2. 调解机器人开发
- 模型选择：采用 GPT-4 生成调解文本，因其在阅读理解和推理任务上的高性能。
- 策略实现：通过提示工程将五类TKI策略（协作、妥协、强迫、迁就、回避）编码为不同的调解风格。例如：
- 协作策略：高合作性+高坚持性，提出双方共赢的解决方案；
- 迁就策略：高合作性+低坚持性，优先满足对方诉求。
- 操纵检验：通过20名独立评分者对调解文本进行分类，验证策略匹配的准确性（分类准确率88.21%，Fleiss’ kappa=0.73）。

3. 实验验证
- 参与者：144名来自 Prolific 平台的用户，按政治倾向（共和党、民主党、独立人士）均衡分组。
- 实验设计：
- 控制组：仅阅读原始辩论文本；
- 干预组：阅读附加AI调解回复的文本（随机分配一种TKI策略）。
- 测量指标：
- RQ1：调解论点的说服力（Perceived Argument Strength, PAS）；
- RQ2：观众个人观点的极化变化（7级Likert量表）；
- RQ3：观众对辩论达成共识的预期（7级Likert量表）。
- 数据分析：混合线性模型（GLMM）与主题分析（thematic analysis）结合。

四、主要结果

1. 策略对论点说服力（PAS）的影响（RQ1）：

   • 高合作性策略（协作、迁就、妥协）的PAS显著高于强迫或回避策略（p<0.05）。
     
   • 协作策略表现最佳（PAS=3.667），其提出共赢方案的风格更易被观众接受。
     
   • 用户偏好匹配效应：偏好合作性策略的参与者对高合作性调解者的评价更高（p<0.01）。
     

2. 观众观点去极化效果（RQ2）：

   • 迁就策略的去极化效果最强，观众极化程度降低概率为对照组的3倍（OR=3.001）。
     
   • 妥协策略可能引发反效果，部分用户因认为“中间立场不切实际”而强化原有立场。
     

3. 共识预期提升（RQ3）：

   • 妥协策略显著提高观众对共识达成的预期（44.17% vs 对照组26.67%）。
     
   • 强迫策略加剧极化感知，仅17.5%观众认为辩论可能达成共识。
     

逻辑关系：高合作性策略通过增强论点说服力（RQ1），进而促进观众观点调整（RQ2），最终改善对辩论环境的乐观预期（RQ3）。

五、结论与价值

科学价值：
1. 首次将心理学TKI理论应用于AI驱动的在线辩论调解，验证了外部调解策略对观众（非直接参与者）的有效性；
2. 揭示了合作性策略在去极化中的核心作用，为社交媒体设计提供了理论依据。

应用价值：
1. 为平台开发了可扩展的调解机器人模板（提示工程方案已公开）；
2. 提出“先调解后审核”的两阶段干预框架，避免过度依赖内容删减。

六、研究亮点

1. 创新方法：结合TKI心理学理论与GPT-4提示工程，实现策略可编程化；
   
2. 受众针对性：聚焦辩论观众而非参与者，解决更广泛的社区极化问题；
   
3. 混合验证：定量（GLMM）与定性（主题分析）相结合，增强结论可靠性。
   

七、其他价值

研究还探讨了AI调解的伦理边界，例如：
- 中立性与原则性的平衡：调解机器人是否需要绝对中立，或可基于人权等原则干预；
- 实时辩论扩展：未来可测试调解者对情绪化回应的抗干扰能力。

这篇研究为人机交互与社会心理学的跨学科实践提供了重要范例，也为改善社交媒体生态提出了切实可行的技术路径。