老年人使用语音助手时出现错误的原因分析：一项为期一个月的居家研究

《ACM Transactions on Accessible Computing》：Situated Understanding of Errors in Older Adults’ Interactions with Voice Assistants: A Month-Long, In-Home Study

研究针对老年人使用语音助手（VA）时面临的对话中断和错误处理挑战，通过在15户家庭中部署智能音箱并持续4周采集音频数据，分析2562次用户-VA交互对。发现24.76%的查询存在意图识别错误或功能局限，且错误率与用户熟悉度无关。虽然80%的错误能通过老年人即时的语言/非语言反馈（如否定、抱怨）识别，但现有VA系统仅不到5%能利用这些线索。实验集成ChatGPT增强的VA后，虽在信息查询任务中错误率降低，但老年用户仍面临激活困难、上下文维护挑战等问题。研究提出需结合用户实时反馈机制、预判性交互设计、适应缓慢/碎片化语速、明确能力边界说明和上下文感知响应等五大设计改进方向，强调VA开发应深度融入老年群体的真实使用场景而非事后适配。

　　

摘要 人工智能摘要

摘要

摘要

我们的研究关注了老年人使用商业语音助手（VA）时面临的挑战，尤其是在对话中断和错误处理方面。传统的用户体验收集方法（如使用日志和事后访谈）无法充分捕捉老年人与语音助手互动的复杂性，尤其是他们对错误的反应。为了解决这一问题，我们在15位老年人的家中安装了集成定制音频记录器的智能音箱，以收集“实际使用”中的音频互动数据，以便进行详细的错误分析。鉴于大型语言模型（LLM）在提升语音助手功能方面的应用日益广泛，我们的研究还探讨了这种集成如何改变老年人的互动方式，尤其是在出现错误时。在研究进行到一半时，我们部署了基于ChatGPT的语音助手来评估其对老年人的适用性。研究表明，虽然通过结合语音和文字反馈以及LLM的上下文理解能力等技术改进可以提升语音助手的错误预防和管理能力，但在互动层面仍存在挑战，尤其是那些老年人特有的问题。我们提出了设计建议，以使未来的语音助手更好地满足老年人的期望和实际使用体验。

人工智能摘要

人工智能生成的摘要（实验性摘要）

此摘要是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现研究内容的相关性，并辅助来自相关研究领域的读者理解本文。它是对作者提供的摘要的补充，而作者提供的摘要仍是文章的正式总结。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的摘要版本。

人工智能生成的摘要

该摘要由基于已发表文章文本的自动化系统生成。

生成日期：2026年2月6日

本研究探讨了老年人在家中如何与语音助手互动，特别关注对话中的错误及其恢复方式。研究在15位老年人的家中部署了配备定制音频记录设备的Amazon Echo Dot智能音箱，持续四周以收集传统使用日志无法提供的详细互动数据。研究人员收集了超过20小时的音频互动记录，并分析了2,552个用户查询与响应的对，以了解老年人对语音助手故障的体验和反应方式。

研究结果显示，大约四分之一的查询出现了错误，实际错误率为24.76%。最常见的错误是意图识别错误，即系统误解了用户的意图；其次是系统功能的局限性。值得注意的是，尽管参与者逐渐熟悉了这项技术，错误率在整个研究期间保持稳定，这表明仅靠经验学习并不能提高交互效果。只有约25%的错误在首次尝试时得到了解决，而许多错误在用户尝试纠正时变得更加复杂。

研究发现，参与者通过即时的语言或声音反应（如拒绝、笑或表达沮丧）成功识别了大约80%的错误。然而，当前的语音助手在不到5%的情况下能够利用这些有价值的线索来检测和恢复错误。用户主动采取的恢复策略（如重复或重新表述查询）最为常见，尽管在某些情况下，由语音助手主动发起的恢复方式更为有效。

研究还在第三和第四周尝试将ChatGPT集成到Alexa中，以检验先进的语言模型是否能更好地服务于老年人。虽然基于LLM的系统在信息查询任务中表现出了更好的对话能力和更低的错误率，但也引入了老年人特有的新挑战，包括启动设备困难、理解如何使用新功能以及在语速较慢或语断断续续的情况下保持对话连贯性的问题。

研究人员提出了几项关键的设计建议，以改进适合老年人的语音助手：更好地利用用户的即时反应进行错误检测、采取主动措施应对遗忘问题、适应老年人较慢的语速模式、更透明地传达系统功能，并提供符合自然对话风格的响应。研究强调，推进语音助手技术不仅需要技术改进，还需要密切关注老年用户的互动方式和实际使用体验，确保系统是专门为这一群体设计的，而不仅仅是事后调整的结果。

摘要 人工智能摘要

摘要

摘要

我们的研究关注了老年人使用商业语音助手（VA）时遇到的挑战，特别是在对话中断和错误处理方面。传统的数据收集方法（如使用日志和事后访谈）无法完全反映老年人与语音助手互动的复杂性，尤其是他们对错误的反应。为了解决这一问题，我们在15位老年人的家中安装了集成定制音频记录器的智能音箱，以收集实际使用中的音频互动数据，从而进行详细的错误分析。考虑到大型语言模型（LLM）在提升语音助手功能方面的应用，我们的研究还探讨了这种集成如何改变老年人的互动方式，尤其是在出现错误时。在研究过程中，我们使用了基于ChatGPT的语音助手来评估其对老年人的适用性。研究表明，虽然技术改进（如结合语音和文字反馈以及LLM的上下文理解能力）可以提升语音助手的错误预防和管理能力，但在互动层面仍存在挑战，尤其是老年人特有的问题。我们提出了设计建议，以使未来的语音助手更好地满足老年人的期望和实际使用体验。

人工智能摘要

人工智能生成的摘要（实验性摘要）

此摘要由自动化工具生成，未经过文章作者的撰写或审核。它旨在帮助读者了解研究内容，评估其相关性，并协助来自相关研究领域的读者理解本文。它是对作者提供的摘要的补充，作者提供的摘要仍是文章的正式总结。完整文章才是权威版本。点击此处了解更多

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的摘要版本。

人工智能生成的摘要

该摘要由基于已发表文章文本的自动化系统生成。

生成日期：2026年2月6日

本研究探讨了老年人在家中如何与语音助手互动，特别关注对话中的错误及其恢复方式。研究在15位老年人的家中部署了配备定制音频记录设备的Amazon Echo Dot智能音箱，持续四周以收集详细互动数据。研究人员收集了超过20小时的音频互动记录，并分析了2,552个用户查询与响应的对，以了解老年人对语音助手故障的体验和反应方式。

研究发现，大约四分之一的查询出现了错误，实际错误率为24.76%。最常见的错误是意图识别错误，即系统误解了用户的意图；其次是系统功能的局限性。值得注意的是，尽管参与者逐渐熟悉了这项技术，错误率在整个研究期间保持稳定，这表明仅靠经验学习并不能提高交互效果。只有约25%的错误在首次尝试时得到了解决，而许多错误在用户尝试纠正时变得更加复杂。

研究发现，参与者通过即时的语言或声音反应（如拒绝、笑或表达沮丧）成功识别了大约80%的错误。然而，当前的语音助手在不到5%的情况下能够利用这些有价值的线索来检测和恢复错误。用户主动采取的恢复策略（如重复或重新表述查询）最为常见，尽管在某些情况下，由语音助手主动发起的恢复方式更为有效。

研究还在第三和第四周尝试将ChatGPT集成到Alexa中，以检验先进的语言模型是否能更好地服务于老年人。虽然基于LLM的系统在信息查询任务中表现出了更好的对话能力和更低的错误率，但也引入了老年人特有的新挑战，包括启动设备困难、理解如何使用新功能以及在语速较慢或语断断续续的情况下保持对话连贯性的问题。

研究人员提出了几项关键的设计建议，以改进适合老年人的语音助手：更好地利用用户的即时反应进行错误检测、采取主动措施应对遗忘问题、适应老年人较慢的语速模式、更透明地传达系统功能，并提供符合自然对话风格的响应。研究强调，推进语音助手技术不仅需要技术改进，还需要密切关注老年用户的互动方式和实际使用体验，确保系统是专门为这一群体设计的，而不仅仅是事后调整的结果。

摘要 人工智能摘要

摘要

摘要

我们的研究关注了老年人使用商业语音助手（VA）时面临的挑战，特别是在对话中断和错误处理方面。传统的用户体验收集方法（如使用日志和事后访谈）无法充分捕捉老年人与语音助手互动的复杂性，尤其是他们对错误的反应。为了解决这一问题，我们在15位老年人的家中安装了集成定制音频记录器的智能音箱，以收集“实际使用”中的音频互动数据，从而进行详细的错误分析。鉴于大型语言模型（LLM）在提升语音助手功能方面的应用日益广泛，我们的研究还探讨了这种集成如何改变老年人的互动方式，尤其是在出现错误时。在研究进行到一半时，我们使用了基于ChatGPT的语音助手来评估其对老年人的适用性。研究表明，虽然技术改进（如结合语音和文字反馈以及LLM的上下文理解能力）可以提升语音助手的错误预防和管理能力，但在互动层面仍存在挑战，尤其是老年人特有的问题。我们提出了设计建议，以使未来的语音助手更好地满足老年人的期望和实际使用体验。

人工智能摘要

人工智能生成的摘要（实验性摘要）

此摘要由自动化工具生成，未经过文章作者的撰写或审核。它旨在帮助读者了解研究内容，评估其相关性，并协助来自相关研究领域的读者理解本文。它是对作者提供的摘要的补充，作者提供的摘要仍是文章的正式总结。完整文章才是权威版本。点击此处了解更多

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的摘要版本。

人工智能生成的摘要

该摘要由基于已发表文章文本的自动化系统生成。

生成日期：2026年2月6日

本研究探讨了老年人在家中如何与语音助手互动，特别关注对话中的错误及其恢复方式。研究在15位老年人的家中部署了配备定制音频记录设备的Amazon Echo Dot智能音箱，持续四周以收集详细互动数据。研究人员收集了超过20小时的音频互动记录，并分析了2,552个用户查询与响应的对，以了解老年人对语音助手故障的体验和反应方式。

研究发现，大约四分之一的查询出现了错误，实际错误率为24.76%。最常见的错误是意图识别错误，即系统误解了用户的意图；其次是系统功能的局限性。值得注意的是，尽管参与者逐渐熟悉了这项技术，错误率在整个研究期间保持稳定，这表明仅靠经验学习并不能提高交互效果。只有约25%的错误在首次尝试时得到了解决，而许多错误在用户尝试纠正时变得更加复杂。

研究发现，参与者通过即时的语言或声音反应（如拒绝、笑或表达沮丧）成功识别了大约80%的错误。然而，当前的语音助手在不到5%的情况下能够利用这些有价值的线索来检测和恢复错误。用户主动采取的恢复策略（如重复或重新表述查询）最为常见，尽管在某些情况下，由语音助手主动发起的恢复方式更为有效。

研究还在第三和第四周尝试将ChatGPT集成到Alexa中，以检验先进的语言模型是否能更好地服务于老年人。虽然基于LLM的系统在信息查询任务中表现出了更好的对话能力和更低的错误率，但也引入了老年人特有的新挑战，包括启动设备困难、理解如何使用新功能以及在语速较慢或语断断续续的情况下保持对话连贯性的问题。

研究人员提出了几项关键的设计建议，以改进适合老年人的语音助手：更好地利用用户的即时反应进行错误检测、采取主动措施应对遗忘问题、适应老年人较慢的语速模式、更透明地传达系统功能，并提供符合自然对话风格的响应。研究强调，推进语音助手技术不仅需要技术改进，还需要密切关注老年用户的互动方式和实际使用体验，确保系统是专门为这一群体设计的，而不仅仅是事后调整的结果。