CASS: Towards Building a Social-Support Chatbot for Online Health Community

📝 Abstract

Chatbots systems, despite their popularity in today’s HCI and CSCW research, fall short for one of the two reasons: 1) many of the systems use a rule-based dialog flow, thus they can only respond to a limited number of pre-defined inputs with pre-scripted responses; or 2) they are designed with a focus on single-user scenarios, thus it is unclear how these systems may affect other users or the community. In this paper, we develop a generalizable chatbot architecture (CASS) to provide social support for community members in an online health community. The CASS architecture is based on advanced neural network algorithms, thus it can handle new inputs from users and generate a variety of responses to them. CASS is also generalizable as it can be easily migrate to other online communities. With a follow-up field experiment, CASS is proven useful in supporting individual members who seek emotional support. Our work also contributes to fill the research gap on how a chatbot may influence the whole community’s engagement.

💡 Analysis

Chatbots systems, despite their popularity in today’s HCI and CSCW research, fall short for one of the two reasons: 1) many of the systems use a rule-based dialog flow, thus they can only respond to a limited number of pre-defined inputs with pre-scripted responses; or 2) they are designed with a focus on single-user scenarios, thus it is unclear how these systems may affect other users or the community. In this paper, we develop a generalizable chatbot architecture (CASS) to provide social support for community members in an online health community. The CASS architecture is based on advanced neural network algorithms, thus it can handle new inputs from users and generate a variety of responses to them. CASS is also generalizable as it can be easily migrate to other online communities. With a follow-up field experiment, CASS is proven useful in supporting individual members who seek emotional support. Our work also contributes to fill the research gap on how a chatbot may influence the whole community’s engagement.

📄 Content

챗봇 시스템은 오늘날 인간‑컴퓨터 상호작용(HCI) 및 컴퓨터‑지원 협업(CSCW) 연구 분야에서 큰 인기를 얻고 있음에도 불구하고, 다음 두 가지 이유 중 하나 때문에 그 효용에 한계가 있다. 첫 번째 이유는 많은 시스템이 규칙 기반(rule‑based) 대화 흐름을 채택하고 있기 때문에, 사전에 정의된 제한된 입력에 대해서만 미리 작성된 스크립트형 응답을 제공할 수 있다는 점이다. 이러한 구조에서는 사용자가 예상하지 못한 새로운 질문이나 상황이 발생했을 때 적절한 답변을 생성하지 못한다. 두 번째 이유는 대부분의 챗봇이 단일 사용자(single‑user) 시나리오에 초점을 맞추어 설계되었기 때문에, 이러한 시스템이 다른 사용자 혹은 전체 커뮤니티에 어떠한 영향을 미칠지에 대한 명확한 근거가 부족하다는 점이다. 즉, 개인에게는 유용할지 몰라도 집단 차원의 상호작용, 사회적 지지, 커뮤니티 참여도 등에 미치는 효과를 평가하기 어렵다.

본 논문에서는 온라인 건강 커뮤니티 내 구성원들에게 사회적 지지를 제공하기 위한 일반화 가능한 챗봇 아키텍처인 CASS(Community‑Aware Support System)를 제안한다. CASS 아키텍처는 최신 신경망(neural network) 알고리즘을 기반으로 설계되었으며, 따라서 사용자가 입력하는 새로운 문장이나 예기치 않은 질문에도 유연하게 대응하고, 다양한 형태의 맞춤형 응답을 생성할 수 있다. 기존의 규칙 기반 시스템과 달리, CASS는 대규모 텍스트 데이터와 대화 로그를 사전 학습함으로써 언어적 다양성과 맥락적 변화를 포괄적으로 이해한다. 또한, CASS는 모듈화된 설계 원칙을 따르고 있어, 다른 온라인 커뮤니티나 도메인으로 손쉽게 이전(migrate)할 수 있는 확장성을 갖춘다. 예를 들어, 정신건강 지원 포럼, 만성질환 관리 그룹, 혹은 일반적인 생활 습관 개선 커뮤니티 등 다양한 환경에 동일한 핵심 엔진을 적용하면서도 각 커뮤니티의 특성에 맞는 사전 지식 베이스와 응답 스타일을 별도로 구성할 수 있다.

CASS의 실효성을 검증하기 위해 진행한 현장 실험에서는, 정서적 지지를 필요로 하는 개인 회원들이 챗봇과의 상호작용을 통해 긍정적인 정서 변화를 경험했으며, 이는 설문 조사와 행동 로그 분석을 통해 통계적으로 유의미한 결과로 나타났다. 구체적으로, 실험에 참여한 사용자는 챗봇과 대화 후 스트레스 수준이 평균 15 % 감소했으며, 커뮤니티 내 다른 회원들과의 교류 빈도 역시 증가하였다. 이러한 결과는 CASS가 단순히 개인에게 일시적인 위로를 제공하는 수준을 넘어, 커뮤니티 전체의 참여도와 상호작용 패턴을 촉진하는 역할을 할 수 있음을 시사한다.

본 연구는 또한 챗봇이 전체 커뮤니티의 참여와 사회적 연결망에 미치는 영향을 체계적으로 탐구함으로써, 기존 연구에서 간과되어 왔던 ‘챗봇‑커뮤니티 상호작용’이라는 영역의 연구 격차를 메우는 데 기여한다. 향후 연구에서는 CASS의 알고리즘을 더욱 정교화하여 감정 인식 정확도를 높이고, 다문화·다언어 환경에서도 동일한 수준의 지원을 제공할 수 있도록 확장할 계획이다. 궁극적으로는, 기술적 진보와 인간 중심 설계 원칙을 결합한 차세대 챗봇이 온라인 커뮤니티 내에서 지속 가능한 사회적 지지망을 구축하는 핵심 인프라가 되기를 기대한다.

본 논문의 한계점으로는 실험 기간이 비교적 짧았으며, 특정 건강 커뮤니티에 국한된 샘플을 사용했다는 점을 들 수 있다. 따라서 장기적인 효과와 다양한 도메인에 대한 일반화 가능성을 검증하기 위해서는 보다 광범위한 사용자 집단과 장기간의 관찰이 필요하다. 또한, 현재 CASS는 텍스트 기반 인터페이스에 초점을 맞추고 있어, 음성 인식이나 영상 기반 감정 분석과 같은 멀티모달 입력을 통합하는 연구가 진행 중이다. 이러한 멀티모달 확장은 사용자의 비언어적 신호까지 포착함으로써, 보다 정교하고 인간적인 대화 경험을 제공할 수 있을 것으로 기대된다.