Entwurf und Bewertung einer generativen, agentenbasierten Plattform für die Forschung zur Mensch-Assistent-Interaktion: Eine Geschichte von 10 Nutzerstudien

Das Design und die Bewertung personalisierter und proaktiver Assistenzagenten bleiben aufgrund des Zeit-, Kosten- und ethischen Aufwands bei Experimenten mit menschlicher Beteiligung herausfordernd. Bestehende Methoden der Mensch-Computer-Interaktion (HCI) erfordern oft umfangreiche physische Einrichtungen und menschliche Teilnahme, was Datenschutzbedenken aufwirft und die Skalierbarkeit einschränkt. Simulierte Umgebungen bieten eine teilweise Lösung, sind jedoch meist durch regelbasierte Szenarien begrenzt und hängen weiterhin stark von menschlichen Eingaben zur Steuerung der Interaktionen und Interpretation der Ergebnisse ab. Neuere Fortschritte bei großen Sprachmodellen (LLMs) haben die Möglichkeit generativer Agenten eröffnet, die realistisches menschliches Verhalten, Denkprozesse und soziale Dynamiken simulieren können. Ihre Wirksamkeit bei der Modellierung der Mensch-Assistent-Interaktionen ist jedoch weitgehend unerforscht. Zur Schließung dieser Lücke stellen wir eine generative, agentenbasierte Simulationsplattform vor, die für die Simulation von Mensch-Assistent-Interaktionen entwickelt wurde. Wir identifizieren zehn frühere Studien zu Assistenzagenten, die unterschiedliche Aspekte des Interaktionsdesigns abdecken, und replizieren diese Studien mit unserer Simulationsplattform. Unsere Ergebnisse zeigen, dass vollständig simulierte Experimente mit generativen Agenten wesentliche Aspekte der Mensch-Assistent-Interaktionen approximieren können. Basierend auf diesen Simulationen gelingt es uns, die Kernschlussfolgerungen der Originalstudien zu replizieren. Unsere Arbeit bietet einen skalierbaren und kosteneffizienten Ansatz zur Untersuchung des Designs von Assistenzagenten, ohne lebende menschliche Versuchspersonen zu benötigen. Zusätzliche Ressourcen und Projektmaterialien sind verfügbar unter https://dash-gidea.github.io/