## 嗨，我是陸禮安:grin:，歡迎參加我的**文字直播**寫論文！
:::warning
>這是一個即時的筆記網站，歡迎**反白文字並使用hackmd的註解功能**來給意見、問問題或參與討論。如果你要聊天，可以利用本段說明文字隨意留言。只要你的意見最後導致文章更動，我會把你的名字放在文章後面的致謝欄位。如果你想要用你喜歡的暱稱呈現，可以讓我知道。
PS.
若你是用電腦版的話，你可以在任意段落使用反白功能，給我意見與參與討論。
若你是用手機板的話，你可以在每個章節的右側找到「對話雲」，你可以在上面參與討論。
:::
:::success
***目前論文進度正在寫前三章，預計在9/18前完成初稿***
- [ ] 1-1 研究背景與問題
- [x] 1-2 研究目的
- [x] 1-3 研究流程
- [ ] 2-1 發展歷史
- [ ] 2-2 應用範疇
- [ ] 2-3 過去相關研究
- [ ] 2-4 動機發展
- [ ] 3-1 模型架構與假設
:::
※感謝亮亮給本文初稿諮詢意見。
# 探究聊天機器人使用動機 前三章初稿
摘要：
關鍵字：聊天機器人、使用動機、享樂主義、功利主義
[toc]
# 第一章 緒論
本章節將針對本研究進行說明，一共分為三小節，第一小節探討研究背景與問題；第二小節為說明目的；第三節為敘述研究流程。
## 第一節 研究背景與問題
>寫作核心
>1.解釋chatbot 趨勢
>2.最常見的用途 - 智能客服
>3.比較智能客服與真人客服
>4.說明該如何提升此件事
隨著人工智慧 (Artificial Intelligence)與機器學習(Machine Learning)的發展，聊天機器人在近年來成為全球產學共同討論的議題，許多企業也積極地採用此技術，聊天機器人主要是透過對話的方式來達成各種目的，像是客戶服務、資訊蒐集、任務請求等。大多數聊天機器人都是透過網站彈出視窗或是透過應用程式執行指令。大部分應用可以分類為商業、教育、娛樂、金融、健康、新聞和個人生產力等。(SAP, 2017)
微軟CEO Satya Nadella說：「機器人將會是最新的應用程式」(Bots are the new app)(USA Today2016)。並且創建了小冰(little ice)與Tay。
2016年FACEBOOK創辦人Mark Zuckerberg也在F8開發者大會上宣布，旗下的產品Messenger將加入"聊天機器人(chatbot)"的功能，可以在上面與人們互動、請求資訊、訂購產品與處理客戶服務。(Mark Zuckerberg, 2017) **(這裡要查證)**
2018年據說僅 Facebook Messenger就有超過 300,000個聊天機器人(chatbot)活躍的使用中(Venture Beat, 2018)。 根據Grand View Research市調公司的《聊天機器人市場規模分析報告》指出2020年全球聊天機器人市場規模估計為4.3億美元，且預計在2021年至2028年的年成長率為24.9%。其聊天機器人的增長推動力在於企業之間越來越多的客戶服務活動，而使用聊天機器人有望降低高達30%的客服成本，且能解決高達80%的常見客戶問題(Invesp,2017) 。
不過卻有研究指出chatbot確實可以提高客戶滿意度，但是同時奢侈品牌的用戶更加喜歡與真實的服務代理(actual service agents)進行互動(Chung M, KO E, Joung H, Kim S J. 2020)。
因此筆者根據 (Bavaresco R. et al.2020)所製的商業業務中研究領域的分類圖，來比較真人客服與chatbot的差異。
| 類別 | 聊天機器人 | 真人客服 |
| -------- | -------- | -------- |
| 任務管理 | ●| |
|Q&A | ●| ●|
|訂單處理 | ●| ●|
|顧問諮詢 | ●| ●|ㄌㄠ
|技術支援 | ●| ●|
|客戶支援 | ●| ●|
|顧客參與 | ●| ●|
|推薦產品 | ●| ●|
|投資諮詢 | ●| ●|
---
另一個比較表格 (自我發想)
| 類別 |聊天機器人 | 真人客服 |
| -------- | -------- | -------- |
|服務時間 | Text | Text |
|個性
|滿意度
|ect.
---
於文獻回顧中發現到，這些影響聊天機器人使用的構面非常多元且分Araujo (2018)認為是透過擬人線索
| 作者名 | 擬人線索 | 社會臨場感 | Emojis | 動態搜索 | text | text | text |
| --------------------- |:--------:|:----------:|:------:|:--------:|:----:|:----:|:----:|
| Araujo (2018) | ● | ● | | | | | |
| Beattie (2020) | | ● | | | | | |
| Avula (2018) | | | | ● | | | |
| text | | | | | | | |
| Candello et al.(2017) | ● | | | | | | |
| | | | | | | | |
| | | | | | | | |
| | | | | | | | |
| | | | | | | | |
---
| 作者名 | 易用性 | 有用性 |
| -------- |:-------:|:-----:|
| Poirier et al.(2018) | ● | ● |
## 第二節 研究目的
聊天機器人也代表了人們在數據和線上服務互動的轉變，雖然現在關於聊天機器人的發展與開發甚多，但該領域缺乏統一的模型和理論，可以解釋與聊天機器人互動體驗的構面。像是Rapp et al.(2021)提到過去的研究經常會得出對比或分散的結果，即使這些差異被追溯到個人和背景因素（包括聊天機器人的目標），作者也常常忽略了在以往的基礎上進行有意義的建構。目前對於與聊天機器人領域相關的基本構面缺乏共識。
例如，強調期望在互動過程中塑造用戶對聊天機器人的感知中的作用（(Schumaker & Chen, 2010; Akhtar et al., 2019; Følstad & Skjuve, 2019; Jain et al., 2018; Zamora, 2017)，甚至影響了他的參與程度（(Portela and Granell-Canut, 2017)），對聊天機器人情感表達的反應(Urakami et al., 2019)，以及對聊天機器人本身的態度(Go & Sundar, 2019)。
然而，目前沒有任何正在研究試圖對使用者可能具有的不同類型的期望進行分類，他們更可能在哪些情況下會被啟動，是如何被形成的，以及可能對互動產生何種的影響。
目前的聊天機器人領域內的研究是如此分散的，本研究目的是為彌補這一研究空白，將統整現有研究結果，並在不同的研究中提供順序。而第二個研究問題是，在隨著科技的進步，聊天機器人的功能也日益繁多，過去對於聊天機器人的分類也是多元且歧義的。本研究會透過廣泛的文獻回顧，整理過去多元的聊天機器人因素做整合性的歸納，並找出幾個主要的因素，為聊天機器人重新分類與定義。
## 第三節 研究流程
本研究分為六個章節見圖1，第一章為緒論，建立研究背景、目的，並說明研究流程；第二章為文獻探討，說明聊天機器人的發展歷史、應用範疇、回顧使用動機與過去相關研究；第三章為研究模型架構與假設，敘述研究模型架構與研究假設；第四章為研究方法，介紹研究設計，資料蒐集、抽樣方法、統計分析方法與變數衡量；第五章為資料分析與實證，說明描述性統計、相關分析與迴歸分析等結果，第六章為研究結果與說明，說明研究結果，並提供實務上的管理意涵與本研究限制，最後給予未來研究建議。
```flow
st=>start: 建立研究背景與目的
e=>end: 研究結論與相關說明
op=>operation: 文獻回顧
op2=>operation: 建立研究模型與假設
op3=>operation: 敘述統計與變數衡量方式
op4=>operation: 資料分析與實證
op5=>operation: 研究結果與相關說明
st->op->op2->op3->op4->op5
```
圖1 研究流程圖
# 第二章 文獻回顧
本章節在針對聊天機器人進行文獻回顧，首先整理過去聊天機器人的發展歷史，以了解其發展脈絡與特徵，接著介紹聊天機器人的應用範疇與組成要素，了解這些要素對聊天機器人的重要性，最後介紹聊天機器人的種類，探討不同類型的聊天機器人該如何滿足。
## 第一節 聊天機器人的發展歷史
> 參考 Chatbots: History, technology, and applications ch2.history
> https://www.sciencedirect.com/science/article/pii/S2666827020300062
聊天機器人的歷史最早可以追朔1950年代，當時的電腦科學家Alan Turing設想了機器人能跟人類一樣聊天對話的概念，因此他發明了**圖靈測試**(Turing Test)，用來測試電腦是否能表現出與人類智慧等價的智能。受測者要從一系列的對話中，判斷對方是電腦或是真人，如果無法辨別，那麼該電腦就通過圖靈測試。意即有與人類等價的智慧。 (Turing, 1950)
時間來到1960年代，當時出現了一個名為ELIZA的心理治療機器人，是由Joseph Weizenbaum 在麻省理工學院裡的實驗室創造的，當時是使用兩種技術來來實現對話，其一為類型比對(Pattern matching)與 代入法(Substitution methodology)來執行一種「腳本式的對話」[1]。ELIZA與參與者討論他們的問題，儘管ELIZA無法真正的理解對話的意義，但是許多使用者仍然產生的強烈的情緒反應，即使它們清楚知道並不是與真人互動，而是機器人(Weizenbaum, J. 1966)。 儘管ELIZA的交流功能有限，但也同時給予後續開發聊天機器人的靈感來源(Klopfenstein, Delpriori, Malatini, & Bogliolo, 2017)。
圖2 與ELIZA的對話
在1972年Parry出現了，這是一個模擬偏執狂(Paranoia)的模型，希望讓後續的研究者透過"好的模型"來改善人類患者的症狀(human patients)(Colby, Weber, & Hilf, 1971)。Parry被認為是比ELIZA更加先進與個性化(personality)，因為他是基於使用者的話語權重，來進行一系列系統性的假設和情感反應(Colby, Hilf, Weber, & Kraemer, 1972)。在1979年，讓五名精神科醫師與Parry進行圖靈測試，他們僅夠過打字來進行一個有限的交流，而其結果認為是通過弱的圖靈測試 (Heiser, Colby, Faught, & Parkison, 1979)。
不過(Adamopoulou, Moussiades, 2020)批評說：五名受測者的樣本數很小，且研究結果的意義也不清楚，因為精神分裂症患者(schizophrenia)的詞語表達有一定程度的不連貫性。總歸來說Parry可被視為是聊天機器人，但在語言理解與情感表達方面的能力較低，他的反應較慢，也無法從對話中獲得學習。
在1988年人工智慧首次進入聊天機器人的領域裡，並建立了"Jabberwacky" (Jabberwacky, 2019)。Jabberwacky是用CleverScript編寫的，CleverScript並不是預先設計好的對話腳本，而是使用上下文的匹配模式來回應對話，而其資料庫是源自於從人類輸入的語句做學習，並且系統會找關鍵字來與輸入的短語做匹配(Cleverbot ,2021)。。儘管如此，Jabberwacky 仍然無法應對快速的回應與服務大量的用戶(Adamopoulou, Moussiades, 2020)。
圖x 研究者與Jabberwacky的對話
Chatterbot在1991年首次被提及到，是出現在一小型的MUD遊戲裡[4]其主要功能是聊天與執行指令進行遊戲體驗。許多玩家似乎更喜歡與Chatterbot進行互動交流，而不是真正的玩家，Chatterbot 之所以成功，是因為玩家們認為每個人都是人，只有當他犯了重大的錯誤才可能被懷疑。(Mauldin, 1994)
圖為MUD示意圖，圖中的遊戲是萬王之王
Dr. Sbaitso(以下簡稱Dr.)是在1992年的新加玻AI創新實驗室所建立的，透過聲效卡產生數位化的語音，Dr.扮演一個心理醫生的角色，大部分的回答都是沿著「你為什麼會有這樣的感覺？」(WHY DO YOU FEEL THAT WAY)的問句，當遇到無法理解的句子時，那麼Dr.會回答「那不是我的問題」(THAT'S NOT MY PROBLEM)，這是歷史上第一個具有聲音的聊天機器人，儘管聲音並非栩栩如生。此外當時的微軟也設計了另一個版本叫做Prody Parrot，這個版本有更豐富的使用者介面。(Dr.Sbaitso 2021)
圖為Dr.Sbaitso的使用畫面
在1995年聊天機器人有一個歷史上的進步 — ALICE (Artificial Linguistic Internet Computer Entity)，意即「人工語言網路電腦實體」，這是第一個沿著ELIZA發展的聊天機器人(Wallace, 2009)。ALICE基於匹配模式(pattern-matching)進行對話，然而在整個對話過程中並沒有任何感知(actual perception)(Marietto et al., 2013)，ALICE具有在網路(Web)上討論的能力，且不限於任何的主題，而經過多年的修改後，獲得了Loebner Prize的最佳仿人類的電腦程式獎 (Bradeško & Mladenić, 2012)。
ALICE是為一種開發新語言而開發的名詞，即AIML(Artificial Intelligence Markup Language)這是ALICE與ELIZA最關鍵的區別，ALICE的知識庫具有41000個範本和相關模式組成，與只有200個關鍵字和基本規則的ELIZA是一個巨大的差別 (Heller, Procter, Mah, Jewell, & Cheung, 2005)。然而要注意的是ALICE並沒有智慧特徵，也沒有辦法表達情感或是類似人類的特徵。
圖為：ALICE
資料來源：http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-55462015000400625
在2001年隨著SmarterChild的開發，聊天機器人又再度進化了，這項產品可以在America Online、Microsoft的MSN或是YAHOO上使用，這是一個首次能夠幫助人類完成日常任務的聊天機器人，你可以詢問關於電影上映時間、體育新聞、股價甚至是天氣等資訊，它將會從資料庫中檢索並給出相應的回答(Molnár & Zoltán, 2018)。這樣的能力象徵著人機互動重大的躍遷，我們將透過這樣的系統執行更多樣的計畫。
圖為 SmarterChild
資料來源：https://www.reddit.com/r/nostalgia/comments/13kn6v/i_remember_i_used_to_bully_smarterchild_all_the/
隨著人工智慧的發展，智慧型手機或是家庭式的揚聲器開始有了個人聲音助理(personal voice assistants)，可以透過語音進行指令的操作，像是詢問天氣、行程安排，有的語音助手可以透過網路串連，也能監控家庭智慧傢俱，像是Apple Siri、Google Assistant，而IBM Watso、Microsoft Cortana 以及 Amazon Alexa等也都是很受歡迎的語音助手，當然還有許多未提到的語音助手，它們同樣具有出色的功能。然而語音助手固然方便，其隱私權與安全管控也是需要注意的(Hoy, 2018)。
蘋果公司於2010年開發的Siri開創了個人助理(personal assistants))的發展。使用者可以透過語音執行指令進行査詢與對話，它綜合了包括音訊、影片和影像等功能。Siri透過網路服務來提供建議與響應使用者的請求，同時它會不斷地學習使用者的語言、以滿足使用者的搜尋與願望（Siri, 2020）。儘管Siri非常成熟，但它也並非沒有弱點。它需要互聯網連接。Siri可以為多國語言服務，但有些功能僅支援英文服務，像是導航系統僅支持英文。且當使用者有嚴重的口音或有噪音時，它將會失效（Soffar, 2019）。
2011年，IBM創建了一個名為Watson的聊天機器人（Watson Assistant | IBMCloud, 2020）。Watson能夠輕易的理解人類的語言，且在“Jeopardy”的智力競賽中贏得了兩届冠軍。在該競賽中，參與者以答案的形式獲得了一些資訊，並猜出相應的題目。幾年後企業主們根據Watson創造了更好的的虛擬助理。另外Watson Health的目的是幫助醫生診斷疾病。然而，Watson的一個缺點是它只支援英語。
Google Now（Google Now, 2020）於2012年開發，其主要是基於使用者過往的的搜尋習慣來預測其所可能需要的資訊。Google助理(Google Assistant, your own personal Google, 2019)，是2016年開發的，是Google Now 的下一代。它具有更強大的人工智慧，具有更友善、更人性化的介面，並能夠與用戶進行雙向的對話。但是，它並沒有人格(personality)，且在2018年推出的擴充功能 「Duplex」會以幫助個人助理分析和回應的理由記錄下，並回傳給Google公司，此設計可能會侵犯用戶的隱私，引起了人們的擔憂。(Jeong S. 2018)
微軟於2014年設計了一款個人助理Cortana(在中國大陸被稱為微軟小娜，簡稱「小娜」)(Personal Digital Assistant—Cortana Home Assistant—Microsoft, 2019).。它可以識別語音命令並執行任務，像是設定提醒、發送電子郵件、創建和管理清單、聊天、玩遊戲以及搜尋用戶請求的資訊等任務。據報導，Cortana的主要缺點是它可以運行一個安裝惡意軟體的程式(Cortana security flaw means your PC may be compromised, 2018)。[5]
同年，Amazon (What exactly is Alexa? Where does she come from? And how does she work?, 2019) 推出了Alexa，它主要用於家庭自動化和娛樂設備中，通過這種管道使人們更容易訪問物聯網（IoT）。並在2016年推出了Amazon Lex的服務，主要是提供給企業進行聊天機器人的建置，可將語音轉換為文字，也提供自然語言理解來辨識文字的涵義。(Amazon, 2021)
儘管個人語音助理能夠與用戶進行語音交流，但誤解經常發生，因為他們無法理解人們在口語中使用的特定語言，或者無法理解整個對話中的上下文。2016年初，人工智慧科技的發展極大地改變了人們與製造商溝通的管道。社交媒體平臺允許開發者為其品牌或服務創建聊天機器人，以使客戶能夠在其消息傳遞應用程序中執行特定的日常操作。截至2016年底，34000個聊天機器人覆蓋了行銷、支持系統、醫療保健、娛樂、教育和文化遺產等領域的廣泛用途（Wizu, 2018）。為流行的消息平臺、工業解決方案和研究開發了數千個具有特定功能的基於文字的聊天機器人（Dale, 2016）。
此外，物聯網（IoT）引入了互聯智慧對象的新時代，聊天機器人的使用改善了它們之間的通訊（Kar&Haldar, 2016）。值得一提的還有微軟XiaoIce，它是一款滿足人類社交需求的AI聊天機器人。除了它的個性，它對聊天機器人發展的貢獻在於它擁有智商和情商（IQ–EQ）。它與用戶建立了長期的情感關係，同時考慮到了文化特點和道德問題（Zhou, GaoLi, Shum, 2019）。如今聊天機器人參與討論的管道與他們的前輩ELIZA完全不同。他們可以像人類一樣分享個人想法和家庭戲劇事件，既相關又令人困惑，並具有欺騙性（Shah, Warwick, Vallverdú, Wu, 2016）。~~聊天機器人的使用日益新增，特別是在2016年之後。對聊天機器人表現出更多研究興趣的國家是美國，而聯合王國和日本緊隨其後，在美國發表的論文數量不到三分之一。~~
---
| 年代 | 重大發展 |聊天機器人代表 |
|:-------------:|:---:| --- |
| 1950年-1990年 |圖靈測試、第一個對話機器人 |ELIZA、UNIX consulant、Jabberwacky|
| 1990jatterbot年-2010年 |可透過學習來回答使用者問題 |ALICE |
| 2010年至今 |對話模式更智能[2]、應用更廣泛 |SIRI、IBM Watson、Messenger、微軟小冰|
資料來源:本研究製表 (這個要刪掉改成下方的表格，並且要新增與擴增)
| No. | chatbot | Year | 開發者 | 方法論 | 亮點 |
| --- | ------- | ---- | ------ | ------ | ---- |
| 1 | ELIZA|1966|Joseph Weizenbaum |匹配方法、代入法|關鍵字識別|
| 2 | PARRY|1972|Kenneth Colby |NLP |假設、歸因、情緒反應|
| 3 | JABBER WACKY|1988|Rollo Carpenter|上下文匹配法|個人使用、人類對話|
| 4 |Dr.SBAITSO|1992| Creative labs for MS-DOS | AI | 文字到語音 |
| 5 |ALICEBOT|1995|Richard Wallace| 啟發式模式匹配,AIML |開源資料、聊天、歷史轉變|
| 6 |SMART CHILD|2001|Active buddy| NL | 有趣的對話、MSN |
| 7 |WASTON |2006|IBM| AI | 擊敗了人類 |
| 8 |MITSUKU|2013|Steve Worswick| AIML | 18歲的女性聊天機器人 |
| 9 |SIRI |2011|Apple | NL UI | 基於聲音的聊天機器人、事件安排與提醒設置 |
| 10 |GOOGLE NOW| 2012|Google | NLP,AI | 聲音助理、問答解答 |
| 11 |CORTONA|2014|Microsoft | 語音辨識 | 基於行程的時間提醒 |
| 12 |ALEXA|2014 |Amazon | Alexa skills kit (ASK) | 虛擬助理、網路搜尋、創建TO DO功能 |
| 13 |TAY|2016|Microsoft | AI | 與TWITTER用戶互動 |
摘自 Ahirwar G. K. ,(2020) Chatterbot: Technologies, Tools and Applications
---
## 聊天機器人的定義
| 作者 | 定義 |
|:---------------------------:|:---------------------------------------------------------------------------------------------------------------------------------------------------:|
| Brush K., Scardina J.(2019) | 聊天機器人(Chatbot)又稱交互式代理、對話機器人、對話代理、對話介面，有時也會被稱作 “chatterbot”等多種解釋名詞，是一種使用聲音或文字所建立的程式設計 |
| Mgr. Tomáš ZEMČÍK(2019) | 與一人或與不同的參與者進行交流的電腦、程式(program)、演算法(algorithm)或是AI都可以稱做聊天機器人(CHATBOT) |
| G. Neff, P. Nagy(2016) | 讓使用者參與對話的程式，聊天機器人透過預先編輯好的程式，選擇適當的表達來回應使用者的訊息；如果是新興機器人(emerging bots)則透過機器學習來回應使用者 |
| Amir Sheva(2017) | 機器人(bot)是一個藉由對話式介面，讓軟體服務曝光的新手法。機器人也可稱為聊天機器人(chatbot)、對話式助手、對話式介面、聊天助手等 |
|Z. Darius, S. Hundertmark (2018)|Chatbots or Chatterbot是一種程式，能夠使使用者之間進行通信|
其他人的定義... 總結來說我我認為的...
---
[1] :僅依據使用者輸入電腦的話語做關鍵字比對，並且其回復規則則是由人工編寫的。
[2] : 1994年Mainstream Science on Intelligenc提出：「所謂的智慧，指的是擁有通用性的能力，像是推理思考、預測、問題解決、抽象思維、複雜概念的理解，以及從經驗中學習的能力。」
[3]：Cleverbot是一種聊天機器人的Web 應用程式，它使用人工智慧（AI）演算法與人類對話。它是由英國人工智慧科學家 Rollo Carpenter 創造的。
[4] : MUD；(Multi-User Dungeon)多使用者空間又稱多使用者領土(Multi-User Domain；是一種多人即時虛擬類遊戲，通常以文字描述為基礎的遊戲，台灣第一款MUD遊戲是 — 萬王之王。
[5] : 目前在台灣若是系統語言設定為繁體中文，則將無法使用Cortana，必須將語言切換至英文，方可使用。
## 第二節 聊天機器人的應用範疇
聊天機器人有許多的應用範疇，像是許多公司的聊天機器人會在自行開發應用程式來提供聊天機器人的功能或有的透過api串連的方式來提供服務。而它們用於B2C客戶服務、銷售和行銷等形式
- 商業應用
許多金融行業希望將基於人工智慧的自動化解決方案（如聊天機器人）應用到客戶服務中，以便為對技術越來越滿意的客戶提供更快、更便宜的説明。特別是，聊天機器人可以有效地進行對話，通常取代其他通信工具，如電子郵件，電話或簡訊。在銀行業務中，他們的主要應用與快速客戶服務、回應常見請(https://)求以及交易支持有關。（這裡寫那篇碩論的結論）許多金融行業希望將基於人工智慧的自動化解決方案（如聊天機器人）應用到客戶服務中，以便為對技術越來越滿意的客戶提供更快、更便宜的説明。特別是，聊天機器人可以有效地進行對話，通常取代其他通信工具，如電子郵件，電話或簡訊。在銀行業務中，他們的主要應用與快速客戶服務、回應常見請[](https://)求以及交易支持有關。（這裡寫那篇碩論的結論）
而在奢侈品牌也有一個結論表示到，年輕人較喜歡使用新科技，但是奢侈品牌用戶更喜歡使用面對面的服務。
- 醫療應用
聊天機器人也有出現在醫療業。 [45][46]一項研究表明，美國的醫生認為聊天機器人對安排醫生預約、查找診所或提供藥物資訊最有利。 [47]聊天機器人也出現在醫療保健行業。 [45][46]一項研究表明，美國的醫生認為聊天機器人對安排醫生預約、查找診所或提供藥物資訊最有利。 [47]
Whatsapp已經與世界衛生組織（WHO）合作，提供聊天機器人服務，回答使用者在Covid-19上的問題。 [48]
而在台灣常用的社交軟體 line也推出了疾管家的官方賬號進行疫情的推播與相關的訊息匹配服務，印度政府最近推出了一個名為MyGov科羅納説明台的聊天機器人，[49]通過Whatsapp工作，幫助人們獲取有關科羅納病毒（Covid-19）大流行的資訊。 [50][51]
另外也有精神科醫師為了解決精神疾病設定相關的聊天機器人，像是xxx、YYY等。
- 娛樂應用
有時候聊天機器人會被整合到玩具裡面，像是ＸＸＸ
而有許多的用戶也有透過message line上進行一些聊天機氣人的娛樂遊戲，像是mud的文字版遊戲，例如審判判官、金山...、...
而隨著人工智慧與機器學習會有以下幾個分支，其中又分為強ai與弱ai
- 教育應用
## 第三節 過去相關研究
creat table 過去研究方法
| 研究方法 | 解釋 | 範例 |
| -------- | -------- | -------- |
| Wiraz of | Text | Text |
## 第四節 過程虛擬化理論
模型變數:
1. 自變數：感官要求、關係要求、識別和控制要求、同步要求。
2. 干擾變數：監測能力、達到、豐富度。
3. 依變數：過程虛擬化。
模型出處
Overby, E. M. (2008). Process Virtualization Theory and the Impact of Information Technology. Organization Science, 19(2), 277-291.
過程虛擬化理論認為一個人做出某種行為受到以下要素影響：
◆感官要求(Sensory Requirements)
定義：身體感官被外界事物刺激的需要
EX: 聊天機器人可以滿足我視覺上的需求。
◆關係要求(Relationship Requirements)
定義：人們在生活過程中所需要的社會關係
EX: 聊天機器人可以讓我分享給家人。
◆識別和控制要求(Identification and Control Requirements)
定義：對有關事實或問題進行分類和定性與監督和糾偏的過程
EX: 聊天機器人可以讓我清楚的知道不同事情的差異性。
◆同步要求(Synchronism Requirements)
定義：人與機器的互動保持一定的相對關係
EX: 聊天機器人可以讓我隨時隨地了解最新的近況。
◆過程虛擬化(Process Virtualize ability)
定義：將事物發展所經過的各種實體過程轉為虛擬程式
EX: 聊天機器人可以將實體的客服諮詢轉化為線上互動。
**◆監測能力(Monitoring Capability)
定義：對某種事物品質因素的代表值測定能力
EX: 聊天機器人對功能品質測定的能力。 (?????)**
◆達到(Reach)
定義：實現一個目標的努力
EX: 聊天機器人是技術可以實現的程度。
◆豐富度(Richness)
定義：資訊轉移時所包含的內容多寡
EX: 聊天機器人包含的內容豐富多元。
H1：一個過程的感官要求越高(低)，該過程就越不太(更)適合進行虛擬過程。
Sensory requirements describe the need of process participants to be able to enjoy a
full sensory experience of the process as well as of the other process participants and objects (Overby, 2012, p. 112). Such sensory experiences include seeing, hearing, smelling, tasting, and touching other process participants or objects, as well as the overall sensation that participants feel when engaging in a process, such as excitement, security, or vulnerability (Overby, 2008, p. 280). Therefore, the following hypothesis can be derived.
H2:一個過程的關係要求越高(越低)，虛擬化過程就不(越)適合。
Relationship requirements define the need for process participants to interact with one another (Overby, 2012, p. 112). Such interactions often lead to knowledge acquisition, trust development, and friendship development (Overby, 2008, p. 281). Theserelationships are very relevant in the world of today, where traditional processes are partly replaced by new IT such as social networking sites, distance learning mechanisms, or electronic commerce.
H3:過程的同步要求越高（越低），虛擬化的過程就越不（越）合適。
Synchronism requirements relate to the degree to which the activities that make up a process need to occur quickly with minimal delay (Overby, 2008, pp. 281-282).
H4:一個過程的識別和控制要求越高（越低），該過程就不(越)適合虛擬化。
Lastly, identification and control requirements specify the degree to which the process requires unique identification of process participants and the ability to exert control over their behaviour (Overby, 2008, p. 282)
H5：資訊能力提公的表示能力越高（越低），可修改的流程就越多（越少）。
Representation refers to the capacity of IT to present information relevant to a process, including simulations of actors and objects within the physical world, their properties and characteristics, and how we interact with them (e.g., representation of sensory requirements such as sight and sound in ITbased virtual processes) (Overby, 2012, p. 113). Good representation capabilities of IT have a positive main effect on process virtualizability。
H5b。它所提供的表現能力積極調節了感官需求和過程虛擬化之間的關係。
H5c。IT提供的表示能力積極調節了關係需求和過程虛擬化之間的關係
Moreover, they also moderate and facilitate the virtualization of processes with high sensory requirements and high relationship requirements (Overby, 2008, p. 283):
H6a。它提供的覆蓋範圍越高（越低），可修改的過程就越少。
Reach is the capacity of IT to allow process participation across both space and time, allowing flexible participation in processes across the globe (Overby, 2012, p. 113). Reach is each posited to have a positive main effect on process virtualizability
H6b。IT提供的影響積極調節了關係需求和流程虛擬化之間的關係。
H6c。IT所提供的影響積極地調節了同步需求和流程虛擬化之間的關係。
Similarly, reach moderates the relationships between relationship requirements and process virtualizability as well as between synchronism requirements and process virtualizability (Overby, 2008, p. 284)。
H7a。IT提供的監控能力對流程虛擬化的影響是模棱兩可的，取決於特定流程和特定參與者。
Monitoring capability is the capacity of IT to authenticate process participants and to track activity (e.g., using authentication systems such as ID/password combinations) (Overby, 2012, p. 113). The effect of monitoring capability on processvirtualizability depends on the empirical context. For some processes, higher levels of monitoring capability may lead to enhanced process virtualizability. In other cases, enhanced monitoring capability may cause people to reject the virtual process because they do not want their actions monitored (Overby, 2012, p. 113). In turn, this suggests that important factors influencing this effect are not only the specific process under scrutiny, but also the characteristics of the specific process participants:
H7b。IT提供的監控能力積極調節了識別和控制需求與過程虛擬化之間的關係
Monitoring capability arguably plays more of a role in the theory as a moderator than as a main effect, as monitoring capability facilitates the virtualization of processes with high identification and control requirements (Overby, 2008, p. 284):
## 第五節 任務科技配適模型
模型出處：
Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual performance. MIS Quarterly, 19(2), 213-236.
模型變數:
1. 自變數：任務特徵、科技特徵。
2. 中介變數：任務科技配適。
3. 依變數：績效影響、實際使用。
任務科技配適模型認為一個人做出某種行為受到以下要素影響：
◆任務特徵(Task Characteristics)
定義：能夠促使使用者加重對資訊科技倚賴的某些觀念。
EX：我需要儘快解決我想要的產品問題。
◆科技特徵(Technology Characteristics)
定義：科技是指個人用以完成任務所使用的工具。
EX：聊天機器人可以提供快速客戶服務的功能。
◆績效影響(Performance Impacts)
定義：當有高的任務－科技適配度時會直接影響績效的提昇。
EX：我因為使用聊天機器人而提高問題解決的效率。
◆任務科技配適(Task technology fit theory)
定義：所要達到的任務與所使用的科技是否配適。
EX：我認為聊天機器人是解決問題的好工具。
◆實際使用(Utilization)
定義：有高的任務科技適配度會使得使用率上昇。
EX：我會實際使用聊天機器人。
## 第六節 享樂主義系統接受模型
模型變數:
1. 自變數：感知易用性 。
2. 中介變數：感知有用性、好奇心、快樂、控制。
3. 依變數：使用行為意向、沉浸。
享樂動機系統接受模型認為一個人做出某種行為受到以下要素影響：
◆好奇心(Curiosity)
定義：個人對使用一個系統的好奇程度。
EX：我會好奇聊天機器人是如何完成對話功能的。
◆快樂(Joy)
定義：個人對使用一個系統的愉悅程度。
EX：我認為用聊天機器人是有趣的。
◆控制(Control)
定義：個人對使用一個系統的控制程度。
EX：我認為我可以掌握聊天機器人的操控方式
◆使用行為意向(Behavior Intention to Use)
定義：個人意願去完成特定行為的可測量程度。
EX：我每週都會使用到聊天機器人。
◆沉浸(Immersion)
定義：個人在進行活動時完全投入情境當中。
EX：我每次使用聊天機器人都覺得時間過的很快。
# 第三章 研究模型架構與假設
# 第四章 研究方法
>先放著參考
亞洲一哥在SEM論文寫作不求人著作的上課簡報檔15頁，提到:
1. 量表最好為七點尺度(Bollen, 1989)
2. 每個潛在構面至少要有三個題目，五~七題為佳(Noar, 2003)
3. 每一指標不得橫跨到其它潛在因素上(Bollen, 1989)
4. 問卷最好引用自知名學者，儘量不要自己創造
5. 理論架構要根據學者提出的理論作修正
6. 模型主要構面維持在5個以內，不要超過7個
7. 模型中潛在因素至少應為兩個(Bollen, 1989)
# 第五章 研究結果
# 第六章 結論與建議
# 第七章 參考資料
- [ ] 最後要檢查格式
Rapp A., Curti L., Boldi A. (2021). The human side of human-chatbot interaction: A systematic literature review of ten years of research on text-based chatbots. International Journal of Human-Computer Studies,151,https://www.sciencedirect.com/science/article/pii/S1071581921000483
Amir Sheat.(2017). Designing Bots: Creating Conversational Experiences.America:O’Reilly Media.
Eleni Adamopoulou ,Lefteris Moussiades. (2020). Chatbots: History, technology, and applications. Machine Learning with Applications Volume 2, 15 December. https://www.sciencedirect.com/science/article/pii/S2666827020300062
Susan Etlinger. (2017). ALTIMETER Prophet Company. THE CONVERSATIONAL BUSINESS. https://andyblackassociates.co.uk/wp-content/uploads/2015/06/ConversationalBusiness_FINAL-1.pdf
Weizenbaum, J. (1966). ELIZA—A computer program for the study of natural language
communication between man and machine. Commun. ACM, 9(1), 36–45. http://dx.doi.org/10.1145/365153.365168.
Turing, A. M. (1950). Computing machinery and intelligence. Mind, LIX(236), 433–460.
http://dx.doi.org/10.1093/mind/LIX.236.433
Klopfenstein, L., Delpriori, S., Malatini, S., & Bogliolo, A. (2017). The rise of bots:
A survey of conversational interfaces, patterns, and paradigms. In Proceedings of
the 2017 conference on designing interactive systems (pp. 555–565). Association for
Computing Machinery, http://dx.doi.org/10.1145/3064663.3064672.
Colby, K. M., Hilf, F. D., Weber, S., & Kraemer, H. C. (1972). Turing-like indistinguishability tests for the validation of a computer simulation of paranoid processes.
Artificial Intelligence, 3, 199–221. http://dx.doi.org/10.1016/0004-3702(72)90049-5.
Colby, K. M., Weber, S., & Hilf, F. D. (1971). Artificial paranoia. Artificial Intelligence,
2(1), 1–25. http://dx.doi.org/10.1016/0004-3702(71)90002-6.
Heiser, J. F., Colby, K. M., Faught, W. S., & Parkison, R. C. (1979). Can psychiatrists
distinguish a computer simulation of paranoia from the real thing?: The limitations
of turing-like tests as measures of the adequacy of simulations. Journal of Psychiatric
Research, 15(3), 149–162. http://dx.doi.org/10.1016/0022-3956(79)90008-6
Jwala, K. (2019). Developing a Chatbot using Machine Learning. 8(1) 4.k, venkat (2020). Examples and best use cases of chatbots in banking industry. Medium website: https://medium.com/voice-tech-podcast/examples-and-best-usecases-of-chatbots-in-banking-industry-1a46cebdb0cd. (Retrieved 13 September 2021)
G. Neff, P. Nagy, Talking to Bots: Symbiotic Agency and the Case of Tay, International Journa of Communication. 10 (2016) 4915-31
Zemčík, T. (2019). A brief history of chatbots. DEStech Transactions on Computer Scienceand Engineering,
http://dx.doi.org/10.12783/dtcse/aicae2019/31439.
Wallace, R. S. (2009). The anatomy of a.l.I.C.e. In R. Epstein, G. Roberts, & G. Beber
(Eds.), Parsing the turing test: philosophical and methodological issues in the quest
for the thinking computer (pp. 181–210). Dordrecht: Springer Netherlands, http:
//dx.doi.org/10.1007/978-1-4020-6710-5_13.
Marietto, M., Varago de Aguiar, R., Barbosa, G., Botelho, W., Pimentel, E., Franca, R.,
& Silva, V. (2013). Artificial intelligence markup language: A brief tutorial.
International Journal of Computer Science and Engineering Survey, 04,
http://dx.doi.org/10.5121/ijcses.2013.4301.
Heller, B., Procter, M., Mah, D., Jewell, L., & Cheung, B. (2005). Freudbot: An investigation of chatbot technology in distance education.
Chung M, KO E, Joung H, Kim S J. (2020) Chatbot e-service and customer satisfaction regarding luxury brands. Journal of Business Research. Volume 117, September 2020, Pages 587-595 https://www.sciencedirect.com/science/article/abs/pii/S0148296318304776
Rodrigo Bavaresco, Diórgenes Silveira, Eduardo Reis, Jorge Barbosa, Rodrigo Righi, Cristiano Costa, Rodolfo Antunes, Marcio Gomes, Clauter Gatti, Mariangela Vanzin, Saint Clair Junior, Elton Silva, Carlos Moreira,(2020) Conversational agents in business: A systematic literature review and future research directions, Computer Science Review,Volume 36,2020, https://doi.org/10.1016/j.cosrev.2020.100239.
(https://www.sciencedirect.com/science/article/pii/S1574013719303193)
Ahirwar G.K. (2020) Chatterbot: Technologies, Tools and Applications. In: Nanda A., Chaurasia N. (eds) High Performance Vision Intelligence. Studies in Computational Intelligence, vol 913. Springer, Singapore. https://doi.org/10.1007/978-981-15-6844-2_14
Z. Darius, S. Hundertmark, chatbots - an interactive technology for personalized communication, transactions and services. IADIS Int. J. WWW/Intern. 15(1), 96–109 (2018)
Molnár, G., & Zoltán, S. (2018). The role of chatbots in formal education. https://doi.org/10.1109/SISY.2018.8524609.
Hoy, M. (2018). Alexa, siri, cortana, and more: An introduction to voice assistants. Medical Reference Services Quarterly, 37, 81–88. http://dx.doi.org/10.1080/02763869.2018.1404391.
網路資訊
Invesp. Chatbots In Customer Service – Statistics and Trends [Infographic] Retrieved September 3, 2021, from https://www.invespcro.com/blog/chatbots-customer-service/
Grand View Research. Chatbot Market Size, Share& Growth Report, 2021-2028. Retrieved September 3 ,2021, from https://www.grandviewresearch.com/industry-analysis/chatbot-market
Brush K., Scardina J.(2019) What is chatbot .TechTarget .Retrieved September 03 2021, from http://searchcrm.techtarget.com/definition/chatbot
Venturebest. Facebook Messenger passes 300,000 bots. Retrieved September 3, 2021 from https://venturebeat.com/2018/05/01/facebook-messenger-passes-300000-bots/
USA Today: Microsoft CEO Nadella: “Bots are the new apps” (2016). https://www.usatoday.com/story/tech/news/2016/03/30/microsof-ceo-nadella-bots-new-apps/82431672/
Jabberwacky (2021). Wikipedia. Retrieved from https://en.wikipedia.org/w/index.php?title=Jabberwacky&oldid=926273345
Cleverbot (2021). Wikipedia. Retrieved from https://en.wikipedia.org/wiki/Cleverbot
Dr.Sbaitso (2021) Wikipedia. Retrieved from https://en.wikipedia.org/wiki/Dr._Sbaitso
Jeong, Sarah. No one knows how Google Duplex will work with eavesdropping laws. The Verge. 2018-05-11 [2018-05-14]. （原始內容存檔於2021-01-10）.
wiki： google助理 https://zh.wikipedia.org/wiki/Google%E5%8A%A9%E7%90%86#cite_note-51
mediem alexa
https://chatbotslife.com/alexa-becomes-a-chatbot-you-can-now-talk-to-alexa-by-typing-ca9396acb416
aws
https://aws.amazon.com/tw/lex/
SAPA 2017
https://medium.com/@SAPCAI/2017-messenger-bot-landscape-a-public-spreadsheet-gathering-1000-messenger-bots-f017fdb1448a
Sign in with Wallet
Connect another wallet