关于具身对话代理、聊天机器人和社交辅助机器人研究与实践的心理学洞察：系统性元综述

文献筛选流程图

#

🔼 该图为一篇学术论文的文献筛选流程图，采用了 PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）流程图的标准格式。该图详细展示了研究者如何从大量的初始文献中筛选出最终符合研究要求的文献。整体流程可以分为三个主要阶段：识别、筛选和纳入。首先，在“识别”阶段，研究者通过多个数据库（EBSCO, PubMed, ScienceDirect, Web of Science, ACM）检索到了 3014 篇文献。接下来，在“筛选”阶段，首先移除了 1184 篇重复记录，剩余 1830 篇文献进入下一步的资格评估。在这一步，研究者根据预设的排除标准，排除了 1515 篇文献。排除的原因包括：语言不符合要求（18篇），非学术期刊文章（270篇），研究主题不相关（694篇），非文献综述（252篇）以及非系统性综述（281篇）。最终，经过严格的筛选，共有 315 篇文献被纳入到研究中。流程图清晰地展示了研究的透明度和严谨性，能够帮助读者了解研究者如何进行文献选择，并提高研究结论的可信度。图中明确标注了每一阶段的文献数量，使得整个筛选过程清晰可见。这一流程图体现了系统综述的严谨性，为研究结果的可靠性提供了保障。从数据来看，初始检索的文献量很大，但经过层层筛选后，真正符合要求的文献数量大幅减少，表明文献筛选过程的重要性。

各类别按年份的分布

#

🔼 该图表展示了 2012 年至 2023 年 7 月期间，各个研究领域中关于会话代理（CA）的系统综述出版数量的分布情况。图表中，每个点代表一个或多个系统综述，点的大小对应于该年份该领域的综述数量。纵轴列出了 11 个研究领域，包括精神障碍、神经发育障碍、痴呆/认知障碍、其他医学状况、老年人支持、健康促进、精神健康、教育、工业应用、代理特征和机器人特征。横轴则代表出版年份。从整体趋势来看，2019 年和 2021 年是系统综述发表的两个高峰期，这可能与机器学习、深度学习和自然语言处理技术的发展以及社会对人工智能的期望日益增长有关。具体来说，在“其他医学状况”领域，系统综述的发表数量一直居高不下，这表明该领域对会话代理的研究最为活跃。教育、工业应用、和痴呆/认知障碍紧随其后，也呈现出较高的研究活跃度。相比之下，神经发育障碍和精神健康领域的系统综述数量则相对较少，可能表明这些领域的研究尚处于早期阶段或面临较多挑战。此外，图表还清晰地展示了各个领域研究的启动时间，例如，“老年人支持”领域早在 2014 年就有少量研究，而“机器人特征”领域的研究则相对较晚起步。通过对比不同年份不同领域的数据点大小变化，可以观察到各领域研究活跃程度的动态变化。例如，虽然在早些年“健康促进”领域也有研究，但在 2019 年和 2021 年之后才显著增加，表明该领域的研究在近年来得到了更多关注。总的来说，这个图表提供了关于会话代理研究领域发展的重要见解，揭示了不同研究领域的发展趋势和关注重点。它有助于研究者了解不同领域的现有研究状况，识别潜在的研究空白，并为未来的研究方向提供指导。

心理障碍研究综述时间分布

#

🔼 本图为关于心理障碍的对话式智能体研究的系统综述列表，展示了这些综述的发表时间和涵盖的研究时间范围。横轴代表时间轴，以年份为单位，从1966年延伸至2022年。纵轴列出了各个综述文章的作者和发表年份，每个综述文章都用一条水平线段表示，线段的起始和结束点分别对应了该综述所涵盖的研究的起始和结束年份。例如，Hoermann et al. (2017) 的综述涵盖了1998年至2016年间的研究，而Scholten et al. (2017) 的综述则涵盖了更早的研究，其时间线从1966年延伸至2015年。图中还展示了其他研究，如Provoost et al. (2017) 、Bendig et al. (2019) 、Vaidyam et al.(2019) 等，这些研究横跨不同时间段，反映了该领域的研究进展。从图表中可以看出，早期的研究综述时间跨度较长，而近年的研究综述时间跨度则相对较短，这反映了该领域研究的活跃度和更新速度。此外，图中的作者和年份信息也为追踪该领域的研究进展提供了有用的参考。整体而言，此图清晰展示了心理障碍领域对话式智能体研究的系统综述的时间分布情况，有助于理解该领域研究的历史沿革和发展趋势，可以帮助研究者了解该领域的研究重点和热点。

神经发育障碍研究时间轴

#

🔼 该图表展示了关于神经发育障碍的对话式智能体研究的系统性综述的时间分布。横轴代表年份，范围从1998年延伸至2023年，纵轴则列出了不同的研究，并以直线段标示每项研究的起始和结束年份。从图表可以看出，最早的研究可以追溯到2003年，而大部分的研究则集中在2010年之后。值得注意的是，2018-2020年期间，相关研究数量显著增加，表明该领域在此期间受到了越来越多的关注。这些研究不仅考察了各种不同的神经发育障碍，也涵盖了不同的干预方式，例如，Aresti-Bartolome & Garcia-Zapirain (2014) 的研究聚焦于技术作为自闭症谱系障碍人群的辅助工具，而Pennisi et al. (2016) 的研究则考察了自闭症与社会机器人之间的关系， Jouaiti & Henaff (2019) 关注机器人辅助自闭症运动康复。Sani-Bozkurt & Bozkus-Genc (2021) 的研究则聚焦于社会机器人对自闭症谱系障碍儿童的联合注意力的作用。这些研究的时间跨度表明了该领域的研究在不断深入和发展，逐渐从早期的技术探索转变为对特定干预方法和效果的深入评估。整体而言，该图表不仅呈现了研究的时间分布，也反映了研究内容和侧重点的演变过程。这有助于理解神经发育障碍领域中对话式智能体的研究进展，并为未来的研究方向提供参考。例如，图表也显示了某些研究的时间跨度较长，可能涉及纵向研究或者持续性的技术评估，这在了解干预措施的长期影响方面具有重要意义。未来研究方向可以更多关注长期效果，标准化评估方法，以及实际应用中的挑战等。

痴呆/认知障碍对话代理研究综述列表

#

🔼 该图表展示了关于痴呆/认知障碍的对话代理研究的系统综述列表，横轴为年份，纵轴为具体的文献引用，通过线段展示了每篇文献涵盖的年份范围。从图中可以观察到，最早的相关研究综述可以追溯到2000年，如Alnajjar et al.(2019)和Russo et al.(2019)的综述分别涵盖了从2000年开始的研究，但早期文献数量较少，在2010年之前发表的综述屈指可数。2012年后，相关研究综述逐渐增多，并在2017-2020年期间达到高峰，这表明该领域的研究关注度日益增加。尤其值得注意的是，许多综述文章的涵盖时间段都比较长，说明研究者们对该领域的长期发展和演变进行了持续关注。此外，可以看到，一些文献如Lu et al.(2021)和Hirt et al.(2021)的综述时间范围较短，表明研究的重点可能是对特定时间段或特定类型研究的集中分析。总的来说，该图清晰地展示了痴呆/认知障碍领域对话代理研究的发展历程和当前的研究热点，突显了近年来该领域的研究呈现快速增长的趋势，并从时间维度对这些研究进行了有效的梳理和展示。同时，这也暗示了未来对于更深入和细致的研究的需求，例如对各种研究方法、干预措施以及结果评估的比较研究。通过这个图表，研究者可以快速了解该领域的文献分布情况，为进一步的研究提供参考和方向。

其他医疗条件领域综述发表时间分布

#

🔼 该图为其他医疗条件领域中，关于对话式智能体研究的系统综述发表时间分布图。横轴代表年份，从 1997 年延伸至 2023 年，纵轴则列出了每篇综述的作者及发表年份。每篇综述以一条水平线段表示，线段的起点和终点分别对应综述所涵盖研究的起始和终止年份。例如，Basteris 等人 2014 年的综述涵盖了截至 2014 年的研究，而 Chen 等人 2016 年的综述则涵盖了截至 2016 年的研究。从整体趋势来看，早期（1997 年至 2010 年）关于此主题的系统综述较少，且覆盖的研究时间范围也较短。2010 年之后，综述数量显著增加，并且线段长度也变得更长，表明相关研究的范围和时间跨度都在不断扩大。特别值得注意的是，2018 年至 2023 年间，该领域的系统综述数量呈现爆发式增长，表明对话式智能体在其他医疗条件方面的研究正在迅速发展并受到越来越多的关注。图中还显示了各种具体医疗条件的研究，如脑卒中康复（Basteris et al. 2014），听力障碍（Chen et al. 2016），以及癌症管理(Shin & Choi, 2020)。这个图表清晰地展示了该研究领域的发展历程，并强调了近年来研究的显著增长。同时，也反映了对话式智能体在多种医疗条件下的应用逐渐受到重视，为未来的研究方向提供了重要参考。这种可视化形式能有效帮助研究人员把握领域进展，定位未来研究的潜在机会。综上所述，该图清晰有效地传达了其他医疗条件领域关于对话式智能体研究的系统综述的演变历程和增长态势。

老年支持对话代理研究时间线

#

🔼 该图表展示了关于老年支持的对话代理研究的系统综述的时间线。图表的Y轴列出了每项研究的作者和发表年份，X轴则表示时间范围。每个水平线段代表一个特定的系统综述，线段的起点和终点分别表示该研究综述涵盖的文献的最早和最晚发表年份。从整体上看，研究跨度从1999年延伸至2023年，表明该领域的研究经历了显著发展。早期研究，例如Bemelmans等（2012）和Frennert & Ostlund（2014）的研究，大多集中于2002年至2012年期间。随后，随着时间的推移，相关研究逐渐增加，并在2017年至2021年期间达到高峰，这表明该领域的研究活跃度在近几年显著提升。特别是，一些研究如Góngora Alonso等（2019）、Abbott等（2019）、以及Kulpa等（2021）等，它们的研究时间跨度相对较短，这说明近年来的研究更为集中，且更侧重于对特定时间段内的文献进行深入分析。值得注意的是，一些研究如Asgharian et al. (2022)和Fardeau et al. (2023) 则代表了该领域最近的进展。总的来说，这个图表清晰地展现了在老年支持领域，对话代理研究的演进过程，既展示了早期研究的奠基作用，也突出了近期研究的活跃程度和持续发展趋势。这个时间线分析图为进一步了解和研究老年支持领域的对话代理提供了有价值的参考。

健康促进领域综述发表时间

#

🔼 该图为“健康促进领域对话式智能体研究的系统综述列表”，展示了该领域学术论文的发表时间分布情况。Y轴列出了各篇综述的作者和简要信息，横轴代表年份。图中每条水平线段的起点和终点分别代表该综述所涵盖研究的起始年份和发表年份。从图可见，该领域的研究最早可追溯至2001年，但早期的综述数量较少，主要集中在2005年至2011年。从2017年开始，相关综述的发表数量显著增加，特别是在2018年和2020年，出现了多个综述集中发表的情况，表明该领域研究在近几年内呈现快速发展的态势。值得注意的是，2021年和2022年也维持了较高的论文发表量，显示了该领域持续的研究热度。此外，一些综述的研究时间跨度较长，例如，Laranjo et al. (2018) 和 Denecke & May (2022)的研究时间跨度分别跨越十余年，反映了该领域研究的长期性和持续性。整体而言，此图清晰地展示了健康促进领域对话式智能体研究的发展历程，并揭示了该领域在近几年内取得的显著进展，为进一步研究提供了重要的时间线索和背景信息。

心理健康领域会话式智能体综述

#

🔼 该图表展示了心理健康领域中关于会话式智能体研究的系统综述的时间分布。横轴代表年份，纵轴列出了进行综述研究的作者和文章数量。从图中可以看出，关于心理健康领域会话式智能体的系统综述研究从2002年开始出现，并在2017年后逐渐增多，特别是在2020年至2023年间，相关研究的数量显著增加。最早的研究可以追溯到2002年，例如Esterwood & Robert (2021)的综述，并在2004年、2005年零星出现了一些研究。进入2010年后，研究数量缓慢增加，到2017年左右呈现加速增长的趋势。特别是2018年到2022年之间，出现多个综述，表明这个领域的研究在近几年发展迅速，受到越来越多的关注。例如，Abd-Alrazaq, Rababeh等人在2020年发表了关于使用聊天机器人改善心理健康的系统综述。而到2021年，Zhou等人发表了关于青少年在线心理健康干预的综述，Curtis等人的研究也出现在2021年，显示了该领域研究的活跃度。2022年的研究包括了Wilson & Marasoiu，Denecke & May以及Martinengo等人的工作。最新的研究出现在2023年，包括Sadasivan，Giansanti，Li和Jabir等人的综述。这些研究涵盖了多种类型的会话式智能体，包括聊天机器人和虚拟助手等，它们在心理健康领域的应用正在不断扩展。此图还显示，大部分综述都集中在近几年，反映了该领域的新兴和快速发展。综述的时间跨度揭示了研究的演变，早期研究较少，后来随着技术进步和社会需求，相关研究迅速增加。整体而言，图表清晰地展示了心理健康领域会话式智能体研究的兴起和发展趋势，反映了该领域近年来的快速发展和学术关注的增加。

教育领域系统综述发表时间轴

#

🔼 该图表展示了教育领域中关于对话式智能体研究的系统综述的发表时间轴。纵轴列出了各个研究的作者和编号，横轴则代表了发表年份，通过线段表示了每项研究的发表时间范围。从整体趋势来看，最早的研究可以追溯到1982年，但大部分的研究集中在2017年之后，尤其是在2019年到2023年间，出现了一个显著的增长趋势。这表明，对话式智能体在教育领域的应用研究在近年来受到了越来越多的关注。研究类型包括了对机器人、聊天机器人等多种对话式智能体的研究，如Bibauw et al.(2019)对对话式计算机辅助语言学习的综述，以及Wollny et al.(2021)对教育领域聊天机器人的综述。这些研究覆盖了从早期基础研究到近期新兴技术的应用，显示了该领域研究的持续发展和深化。从时间线上看，一些研究具有较长的跨度，例如一些研究从2004年延续到2018年，这可能是由于研究周期较长或多次更新发表造成的。图表清晰地呈现了各个研究团队在该领域的研究时间线和活跃度，为进一步分析教育领域对话式智能体的研究进展提供了直观的时间维度参考。总的来说，图表反映了该领域研究的蓬勃发展和未来广阔的潜力，尤其是在新兴人工智能技术驱动下的教育应用方面。

工业应用领域对话代理综述发表时间分布

#

🔼 该图表展示了工业应用领域中关于对话代理的系统综述的发表时间分布情况。横轴表示年份，从1976年到2023年，纵轴列出了相关研究的作者和出版年份。每个研究都用一条水平线段表示，线段的起点和终点分别表示该综述中引用的最早和最晚的文献的年份。通过分析这些线段的分布，可以看出以下几点：

1. 早期研究: 最早的研究可以追溯到1976年，但此后很长一段时间，直到1990年代中期，相关综述都非常少，表明该领域在早期发展缓慢。

2. 快速增长期: 从2000年左右开始，相关研究的数量开始增多，特别是在2015年之后，该领域的文献发表呈现爆发式增长。这表明随着人工智能和自然语言处理技术的发展，工业界对对话代理的关注度显著提高。

3. 研究重点: 从图中可以看出，大多数研究集中在2010年之后，2018年到2022年期间尤为活跃，这可能与深度学习、自然语言处理等技术的突破以及相关产品在工业界的大规模应用有关。

4. 研究趋势: 该图还揭示了研究的演变过程，早期的综述覆盖时间范围较广，而近期的综述通常聚焦于更具体的时期。这表明研究正朝着更精细化和专业化的方向发展。

5. 关键研究者: 图中列出了多个研究团队，如 Scholten et al., Haubold et al., Bavaresco et al.等，这些研究者的工作为该领域的发展奠定了基础，也反映了该领域研究的多元性。

总的来说，这张图表清晰地展示了对话代理在工业应用领域的研究热度和时间演变，从早期探索到快速发展，再到如今的广泛应用，该领域正在不断成熟和完善。对于相关研究者和从业人员而言，了解这些历史发展脉络有助于把握未来的研究方向和应用趋势。

对话代理研究时间轴

#

🔼 该图表展示了关于对话代理（Conversational Agent）特征研究的系统性综述的时间轴。Y轴列出了进行这些研究的作者和年份，而X轴则代表了时间线，清楚地显示了每项研究的时间跨度。图表中的每个水平线段都代表了一个特定的系统综述研究，起点表示研究的起始年份，终点表示结束年份，通过这些线条的长度可以直观地看到每项研究的时间跨度。

最早的研究可以追溯到1966年，但大部分研究集中在2000年之后，尤其是在2017年之后，研究数量明显增加。这表明近年来对对话代理的研究兴趣日益增长。从图表中可以看出，一些研究的时间跨度较短，可能侧重于特定领域或技术；而另一些研究则时间跨度较长，可能涵盖了更广泛的主题或领域。比如，Eiris & Gheisari (2017)的研究起始于2006年结束于2016年，跨度长达十年。

通过这个时间轴，我们可以看到对话代理研究领域的演变，从早期较少的研究到近年来的快速增长。它还突显了研究的连续性和多样性，以及该领域内不同研究的关注点。此外，时间轴清晰地展示了学术界对这一领域持续的关注，并反映了对话代理技术在近年来的发展速度以及在实际应用中的重要性。

总而言之，该图表为理解对话代理特征研究的演变提供了一个清晰的时间框架，同时可以洞悉该领域的研究热点和趋势，对未来的研究方向具有一定的指导意义。

机器人特性研究综述时间线

#

🔼 该图表展示了有关对话代理在机器人特性研究方面的系统综述的时间线。Y轴列出了作者和年份，X轴为时间跨度，从1980年延伸至2023年。图表使用水平线段表示每项研究的时间范围，左端表示研究开始年份，右端表示研究结束年份。整体来看，研究在2010年后显著增加，表明近年来对此领域的关注度日益提高。早期研究较少，主要集中在2000年以前，而2010年后研究数量显著增加，且时间跨度更长。这体现了技术发展和相关研究的快速演变。具体来看，2017年至2021年期间发表的研究尤为密集，说明该时期是机器人特性研究的一个重要发展阶段。图表突出了该领域研究的逐步发展和演变，从早期零星的研究到后期更为深入和全面的探索，反映了学术界对机器人特性及其与人类互动的持续关注。同时，该图也展示了研究的延续性，一些研究的时间跨度较长，表明该领域研究的深度和复杂性。此外，图表的视觉呈现方式简洁明了，使得读者能够快速了解该领域研究的发展脉络和时间分布，有助于把握机器人特性研究的整体趋势。对于机器人学、人机交互以及人工智能等相关领域的学者和研究人员而言，此图提供了重要的参考价值，可以帮助他们了解该领域的研究进展，并为未来的研究方向提供启示。

CA类型与应用领域关系图

#

🔼 该图为维恩图，展示了三种类型的会话代理（CA）：具身会话代理（ECA）、聊天机器人（Chatbots）和社会辅助机器人（SARs）在不同研究领域中的应用情况。图中，黄色部分代表ECA，蓝色部分代表Chatbots，绿色部分代表SARs，这些圆圈的重叠部分表示不同类型的CA在某些领域中共同应用。首先，我们可以看到“精神障碍”和“健康促进”领域主要与具身会话代理（ECA）和聊天机器人（Chatbots）相关，这表明在这两个领域中，软件形式的会话代理应用更为广泛。这些代理可以用于提供心理健康支持，信息传递以及促进健康行为的改变。其次，社会辅助机器人（SARs）更多地应用于“精神健康”、“痴呆/认知障碍”、“老年人支持”、“神经发育障碍”以及“其他医疗条件”领域。这表明在需要物理交互的场景中，如老年护理和儿童特殊教育，SARs更为适用。它们可以提供实际的帮助，陪伴以及情感支持。第三，重叠部分显示了不同类型CA之间的交叉应用。例如，“工业应用”和“教育”领域同时涉及到聊天机器人和SARs，表明在这些领域，可能会同时使用软件形式和实体机器人来提供服务和支持。此外，ECA和SARs的重叠部分暗示了在诸如心理健康和老年护理等领域，可能存在同时运用具身虚拟代理和实体机器人的场景。总体而言，这张图清晰地展示了不同类型的CA在各个领域中的应用侧重。可以看出，软件形式的会话代理（如ECA和聊天机器人）在信息传递和心理健康支持方面较为常见，而社会辅助机器人在需要物理交互和情感支持的领域更受欢迎。不同CA类型的交叉应用也反映了实际应用中，多种技术结合使用以满足特定需求的趋势。这种分析有助于我们理解当前会话代理技术在各领域的应用现状和未来发展方向。