编辑导语：如今随着科技的不断发展，AI人工智能开始逐渐深入到学习生活中去，比如在教育领域就出现了很多关于智能学习助手类型的产品，与用户进行互动；本文作者分享了关于智能产品交互中的鼓励机制，我们一起来了解一下。

随着AI时代的到来，智能学习助手、VR教学、口语考评等应用将AI与教育深度融合。百度翻译APP推出了全新的智能助手，陪伴用户学口语和背单词，让英语学习过程更轻松有效。

本文以百度翻译APP为例，探讨智能学习助手在用户口语训练环境下的鼓励机制；分析学习助手如何与用户互动，并给予鼓励，最终提高用户练习口语的自信心，帮助用户提升口语技能。

一、鼓励式交互的探索

1. 交互形式

我们想打造的学习助手是一位有温度的、智能的贴心小伙伴，也是一位机器人，而机器的交互形式一般分为主动交互以及被动交互（表一），各有利弊：

表一 机器主动和机器被动交互方式对比

综上，被动交互确实给用户带来了冰冷的感受，而目前的主动交互又不够智能。

如果说用户对于我们智能助手是一个机器人的感知很强，则不利于达到我们想给予用户智能化体验感的目标，无法营造我们有温度并且了解用户的个人学习助手形象，我们首先排除冷冰冰的被动交互。

那么如何解决目前主动交互不够智能的问题呢？判断用户何时需要鼓励，在适当的时机发起主动交互，则是体现智能感的关键所在。

2. 推送机制

在英语对话过程中，如果用户对于回复内容不满意或对自己的表达不自信从而导致对话流程中断，则说明用户在该场景下需要得到鼓励，当用户因为其他原因主动中断对话则说明当下用户不需要得到鼓励。

那么为了使得用户能够更自信地将对话流程进行下去，我们需要判断用户中断对话流程的真正原因（表二），当判断用户为被动终止对话时（图一），则需要在此时给到主动的鼓励式交互。

表二 如何识别用户中断流程的真正原因

用户被动终止对话图示

通过预判，在合适的时机主动给予的鼓励会给用户带来自信感、惊喜感；接下来，让我们谈谈鼓励式交互的具体细节。

二、鼓励式交互的内容

1. 鼓励式交互的内容构成

在口语训练的场景下，为了满足用户的自信心，从而敢开口说英语，智能助手的鼓励形式将采用表情加文字的形式进行鼓励。表情用于传达情绪，文字用于传达意义（表三）。

表三 鼓励式交互的内容构成

表情包是聊天中常用的一种表达形式，能迅速拉近人与人之间的距离，智能助手在给予用户鼓励时，也可以先以一个可爱的表情开始，让用户感受到亲切感。

当智能助手发送表情之后，接下来会给予用户一条文字鼓励，其目的是为了将鼓励的信息准确无误的传达给用户，让用户感知到自己其实很棒！

表情部分可以应用流行的emoji表情或可爱的插图表情，在此不做重点分析，本文主要探索文字鼓励的生成机制。

2. 文字鼓励的生成机制

针对用户被动终止对话的情况，专门制定了一套针对英语口语学习场景下鼓励内容的生成机制，其中整段鼓励内容由两部分组成：第一部分是简单明了的给予用户一个积极和肯定的词汇，用于传达正向的情绪；第二部分则是通过判定英语语句是否地道，来进行细致的赞美。

一个积极的词汇能够简单直接的对用户的负面情绪产生修复作用，如“真棒、了不起”等，这类词汇被频繁运用在各类游戏以及学习APP中。

但是，单纯简单词汇的使用，有可能向用户传达出不走心、敷衍的感觉，所以需要在简单地夸赞后，通过判定英语语句是否地道，进行差异化赞美；这类夸赞更有针对性，有利于帮助用户感受到陪自己训练的不是一个冰冷的机器人，而是一个像朋友一样的陪练。

3. 判断英语口语是否地道的标准

根据雅思、托福、英语四六级、BEC商务英语等英语考试的口语测评标准来看，口语考试主要从语言表达的流畅性和准确性，语法和单词运用的多样性、复杂性，内容的丰富度和逻辑性等方面来考察。

不同机构和考试对英语口语评价的标准略有差异，但总体来看，评判英语口语是否地道的标准主要有三个方面，分别是流利度、准确度、复杂度，这三个方面也是AI系统可以进行量化的标准。

判断英语口语是否地道的标准

流利度：

流利度是一段语音中，用户说话的停顿次数，单词的重复次数，说话的语速，语音和语调。

判定方法：单词与单词之间停顿度时间越短，则说明用户流利度越高；例如，在语句中出现类似于“嗯…啊…”等明显思考度词语，则视为不流利，如果用户使用类似词语次数比以往少，则说明比以往流利度提高了。

复杂度：

复杂度是指一段语音中单词和语法运用的复杂程度和多样性。

判定方法：单词复杂度的方式主要根据使用高阶或生僻词单词的频率来判定；语法复杂度主要是依靠用户使用高阶语法的频率来判定。

准确度：

准确度是指一段语音中语法是否准确，时态是否准确以及单词运用的是否恰当。

判定方法：需要和该句子的标准翻译进行比对，主要比对的维度分别为时态、句子成分是否缺失，第三人称单数，单词的单复数变形等明显的语法错误。如果用户运用到了高阶的语法，也可以说明语法准确度提高。

由于时态是英语口语学习者最容易犯的错误之一，所以如果用户在时态上的正确率有明显的提高，那么可以说明用户的准确度提高；另外，是否使用网络流行词汇和相关俚语，可以作为单词准确度的判定方式之一，如果说用户在对话中首次使用网络词汇和俚语，或者是使用的频率越来越高则都说明准确度提高。

通过分析英语口语的核心判断标准可以得出有以下关键指标，分别是停顿次数、单词重复次数、语速、语音、语调、单词复杂度、单词准确度、语法复杂度、语法准确度，等9项关键指标；当系统识别出用户处于被动终止对话的状态时，可以从以上9个指标中随机筛选一个进行鼓励。

4. 文字鼓励的语句结构

通过以上所阐述的原理和标准，主要是让机器能够说出一句能够缓解用户挫败情绪的鼓励内容，其目的还是为用户营造出智能化的体验，该鼓励式语句的一般结构如下表（已申请专利）。

表四 文字鼓励的语句结构

三、总结和展望

1. 总结

本文致力于探索人机交互的可能性，从鼓励式交互出发，围绕用户语言学习从而构建智能交互的设计思路。

在学习场景下，用户学习的投入程度与学习效率有着紧密联系，通过研究用户体验流程，捕捉投入程度薄弱的环节在恰当的时机给予相应的鼓励，从而提高用户对于产品使用的参与感、沉浸感，帮助缓解用户学习积极性不高，自主性不够的行为表现。

2. 展望

本文所谈到的维度确实还存在着一些不足，未对于不同用户操作习惯进行细分，而是提出了一系列通用的观点和方法，在具体的学习场景下还会有繁杂的次要场景分支；此次主要根据用户目标提出了基于主要场景下的设计方案，相关次要场景的设计方案还需进一步深入探讨。

近年来，随着人工智能，5G的技术革新，移动应用、小程序等媒介形态实现了全面发展，更加专注于情感化人机交互的各式产品在不同的领域发挥着强大的号召力和影响力；尤其是在智能算法的加持下，当今的互联网产品对于用户而言不再是机器或工具，在交互过程中更作为人格化、情感化的“伙伴”参与用户的各类生活场景与情感寄托。

作为为用户创造价值的我们在学习场景下，不只是给予用户提供学习工具，而应当成为用户学习过程中不可缺少的部分，应当助力于提升用户在产品使用场景下的沉浸感、参与感、体验感，这也对未来智能化人机交互的设计提出了挑战。

本文由 @Lueve 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议