Dialogue for all: Crafting inclusive and humanized voice assistants for diverse populations through an interdisciplinary approach

Konuşma ajanları (CA) teknoloji ve insan-bilgisayar etkileşimi (HCI) alanlarının ötesine uzanan dönüştürücü bir potansiyele sahiptir. Bu teknolojilerin, özellikle dijital bölünmeyi daraltma ve sosyal katılımı artırma konularında önemli toplumsal etkileri olabilmektedir. İnsanların konuşma ajanlarıyla etkileşimlerinin kültürel, cinsiyet, yaş ve yetenekle ilişkili özelliklerle nasıl etkilendiğini tanımak ve ele almak hayati önem taşımaktadır. Bu farklılıklar, yalnızca kullanıcıların bilgilere nasıl erişip bu bilgileri nasıl kullandıklarıyla değil, aynı zamanda bu bilgileri nasıl yorumlayıp değerlendirdikleriyle de şekillenmektedir. Bu nedenle, konuşma ajanları, önyargıları ve stereotipleri yayma ve yeniden üretme riski taşıyabilir. İletişim yöntemlerini çeşitli kullanıcı popülasyonlarına uygun hale getirmek bu endişeleri hafifletebilir, kullanıcı deneyimini artırabilir, kapsayıcılığı artırabilir ve erişimi genişletebilir. Google Asistan, Alexa, SIRI, Cortana gibi kişisel sesli asistanların artan kullanımı, kullanıcıların dikkatini uzun ve doğal konuşmalarda tutabilecek kadar etkili bir tasarım gerektirir. İnsan-bilgisayar etkileşimi (HCI) evrensel kullanılabilirliği garanti etmelidir. Ancak, yeni teknolojilerin kullanılabilirlik, erişilebilirlik ve kapsayıcılığı belirli popülasyonlar için sınırlı kalmaktadır. Bu çalışma, sesli asistan prototipleri üzerinden kullanıcı popülasyonlarının yeterince araştırılmamış bir alanına odaklanarak (özellikle yaşlı yetişkinler, özel ilgi alanlarına sahip yetişkinler ve görme engelli bireyler), insan-bilgisayar etkileşimi (HCI), sosyal psikoloji ve iletişim alanlarına önemli katkıda bulunmaktadır. Toplumsal düzeyde, kullanıcıların bireysel ihtiyaçlarına göre özelleştirilmiş konuşma ajanlarının geliştirilmesi, bilgi ve hizmetlere erişimdeki eşitsizlikleri ele alma potansiyeline sahiptir. Bu ajanlar, özellikle dezavantajlı gruplar için sağlık ve genel yaşam kalitesini teşvik etme konusunda önemli katkılarda bulunma potansiyeline sahiptir. Bilgi ve hizmetlere erişimi kolaylaştırarak, bu sistemler, bu kullanıcı grupları tarafından yaşanan zorlukları etkili bir şekilde hafifletebilir, böylece sosyal eşitsizlikle ilgili sorunları etkili bir şekilde ele alabilir. Bu ajanların geliştirilmesinde ortak tasarım tekniklerini ve kullanıcı merkezli yöntemlerini entegre etmek, kullanılabilirliklerini ve alakalarını garanti eder, böylece sosyal etkilerini en üst düzeye çıkarır. Tasarım sürecinde son kullanıcıların aktif katılımı kültürel olarak anlamlı, stereotipik olmayan ve kapsayıcı çözümler için son derece önemlidir.Nihai hedef, farklı popülasyonların spesifik ihtiyaçlarına hizmet eden insani sohbet etme yetisine sahip konuşma ajanları yaratmaktır, böylece daha kapsayıcı ve erişilebilir bir dijital ortama katkıda bulunulabilir. Bu çalışmanın en önemli yöntemsel katkılarından biri Wizard of Oz (WoZ) tekniğinin yenilikçi kullanımıdır. Bu teknik, sosyal bilimcilerin kodlama yapmadan çeşitli insan özellikleri manipüle ederek sesli asistana entegre etmelerine olanak tanır, böylece insan-bilgisayar etkileşimlerini anlamada daha esnek ve uyumlu bir yaklaşım sunar. Bu çalışma, WoZ tekniğinin entegrasyonuyla özellikle teknik geçmişe sahip olmayan araştırmacılar için insan-bilgisayar etkileşimi alanında yeni fırsatlar yaratmaktadır. Ayrıca, her bölümdeki öncesi ve sonrası ziyaret testleri, anlık test değerlendirmeleri, test öncesi ve sonrası görüşmeler, anketler ve niceliksel ölçeklerle birleştirilen benzersiz karma yöntem yaklaşımı, kullanıcıların konuşma ajanlarıyla etkileşimine dair kapsamlı ve detaylı bir anlayış yaratmaktadır. Bu araştırma, bu etkileşimleri yorumlamak için bütünsel ve kapsayıcı bir çerçeve sunarak, insanların sesli asistanlarla etkileşimi esnasındaki dinamikleri daha nüanslı bir şekilde anlamamıza katkıda bulunmaktadır. İkinci bölüm, cinsiyetle ilgili vokal sinyallerin ve konuşma tarzının etkisine odaklanarak, konuşma ajanlarının (CA) gösterdiği kendini açma(self- disclosure) seviyelerine odaklanarak, daha insani ve doğal bir sesli asistan prototipi yaratmayı amaçlamaktadır. Bu faktörlerin, mütekabiliyet (reciprocity) ve güven dahil olmak üzere özel ilgi alanlarına sahip yetişkinler üzerindeki tutumsal ve davranışsal sonuçları üzerindeki etkilerini incelemek amaçlanmıştır. Bu çalışmada, özellikle ev tipi bir sesli asistan (Google Home) üzerine entegre edilmiş bir konuşma tabanlı konuşma ajanı (CA) prototipi tasarlanmıştır. Tamamen işlevsel bir sesli asistanı simüle etmek için Wizard of Oz tekniğini kullanışmıştır, bu da sistemin verdiği yanıtları manipüle eden bir araştırmacıyı (wizard) kapsamaktadır. Araştırma tasarımımız, doğal bir ev ortamında 40 yetişkin kullanıcıyla test edilmiş ve çok yöntemli bir yaklaşımı benimsemiştir. Araştırmamızda sunulan konsept, Bilgisayarlar Sosyal Aktörlerdir (CASA) Paradigması temeline dayanmaktadır. Bu çalışmanın bulguları, sesli asistanların kendini açıklama düzeylerinin(self-disclosure) artmasının, kişilerarası bağlantılar kurmada ve güven oluşturmada kritik bir rol oynadığını göstermektedir. Nitel veriler, CA'lara yönelik içkin cinsiyet stereotiplerini ortaya koymakta, kullanıcı merkezli tasarımın ve konuşma ajanlarının toplumsal önyargı ve stereotipleri yeniden üretme potansiyelinin altını çizmektedir. Kullanıcılar, sesli asistanla etkileşimleri sırasında konuşma sırasını almak (turntaking) ve arka kanal iletişimi sağlamak (back-channeling) gibi insani konuşma normlarını içgüdüsel olarak takip etme eğilimindedirler. Bahsedilen bulgular, sesli asistanlar geliştirirken, konuşma kurallarını bağlama yönelik olarak dikkate almanın ve kültürel olarak anlamlı arka plan bilgi kaynaklarını (background knowledge) entegre etmenin önemini vurgulamaktadır. Bu yaklaşım, kültürel uygunluğun, kullanıcı empatisinin ve katılımın teşvikini kolaylaştırır ve böylece sesli asistanla daha anlamlı ilişkiler kurmaya elverişli bir ortam hazırlar. Üçüncü bölümün amacı, yaşlı bireyler gibi dezavantajlı gruplara hizmet edebilmesi için konuşma ajanlarının becerilerinin popülasyonun spesifik ihtiyaçları doğrultusunda geliştirmenin gerekliliğini vurgulamaktır. Bu çalışma, 65 ile 75 yaş arası yaşlı bireyler için sesli asistanların (VA) potansiyelini araştırmak üzere karma bir yöntem yaklaşımı kullanmıştır. Bu yaş grubu, Covid-19 pandemisinden önemli ölçüde etkilenmiş olup, dijital bölünme gibi ek bir engelle karşı karşıyadır. Amaç, yaşlı yetişkinlerin ev tipi bir sesli asistana (Google Home) entegre edilmiş bir sesli asistan prototipiyle ilk kez etkileşimde bulunduklarındaki ihtiyaçlarını ve zorluklarını belirlemektir. Sesli asistan prototipimiz var olan sesli asistanların tek tip yaklaşımın kısıtlamalarının altını çizmek için yaşlı bireylerin sosyo-kültürel geçmişine uygun ve değişken ses yaşlarına (olgun ve genç ses) sahip empatik bir sesli asistan (VA) sunmaktadır. Bu prototip bağlama özgü ve kullanıcı merkezli diyalog akışları kullanılarak gerçekleştirilmiş ve diyalog akışları yaşlı yetişkin kullanıcılar tarafından değerlendirilerek valide edilmiştir. Çalışma, diyalog akışlarını manipüle edebildiğimiz Wizard of Oz yaklaşımını kullanan bir prototipe bağlı olup, etkileşimde bulunan 60 yaşlı yetişkin katılımcıyı kapsamaktadır. Bilgisayarlar Sosyal Aktörler paradigması, Benzerlik-Çekim Teorisi ve Hofstede'nin Kültürel Boyutlar Teorisi kullanılarak sesli asistanın vokal özelliklerinin (olgun ve genç) ve empatik ifadenin varlığının (yüksek ve düşük) toplumsal (algılanan destek ve güven) ve işlevsel sonuçlara (algılanan öz-yeterlilik) etkilerini araştırılmıştır. Bulgular şunları önermektedir: (1) sesli asistanın konuşma tarzı, yaşlı yetişkinler için fiziksel görünümünden daha önemlidir ve antropomorfizma (insanileştirme), fiziksel bir tezahür olmaksızın meydana gelebilmektedir ve (2) yüksek empatik ifadenin varlığı, yaşlı yetişkinlerin sosyo-kültürel geçmişi ve inançlarına dayanarak sesli asistan prototipini "insan etkileşiminin ötesinde sadık bir dost" olarak algılamaları için güçlü bir motivasyon kaynağıdır. (3) Benzerlik çekim etkisinin, benzerliğin vokal özellikler üzerinden (olgun ses) aracılık ettiği zaman yaşlı bireyler üzerinde işlev gördüğüne dair bir kanıt bulunamamıştır, çünkü olgun sesli bir sesli asistanla yaşadıkları deneyimin yaşlı yetişkinler üzerinde hissedilen destek veya güven bazında etkisi yoktur. İlginç bir şekilde, yaşlı yetişkinler olgun sese sahip sesli asistanı reddetmişlerdir. Yaşlı yetişkinlerin jenerasyon bazlı refleksleri ve kültürel duyarlı tasarımı göz önünde bulundurarak, çalışmamız, yaşlı yetişkinlerle optimal etkileşim için bağlam temelli, kullanıcı merkezli "bedensiz" bir sesli asistana empatik ifade ve ses tasarımını entegre etmenin önemini vurgulamaktadır. Çalışmanın dördüncü aşamasında, fiziksel çevrenin temel olarak görsel özelliklerinden dolayı kültürel, tarihi ve pratik bilgilere erişimde sınırlamalarla karşılaşan görme engelli bireylerin üzerine yoğunlaşılmıştır. Sınırlı erişim imkanı, iç ve dış mekanda gerçekleşebilecek boş zaman aktivitelerine katılımı zorlaştırmaktadır. Müzeler, keşif, sosyal etkileşim ve eğitim fırsatları sunmasına rağmen, erişilebilirlik sıkça göz ardı edilmektedir. Küçük değişiklikler bile, görme engelli olanlar için müze deneyimini önemli ölçüde geliştirebilir. Bu engelleri aşmak için, görme engelli bireyler için hem erişilebilir hem de kapsayıcı müze ortamları oluşturmayı amaçlayan tekrar üretilebilir bir araştırma çerçevesi içeren iMuse Modeli'ni tasarlanmıştır. Bu modelin merkezinde, Türkiye'deki Yerebatan Sarnıcı Müzesi'nde uzaktan müze gezintisi için Google Home üzerinden gerçekleştirilen bir sesli asistan prototipinin görme engelli bireylerle birlikte yapılmış kapsayıcı bir ortaklaşa tasarım bulunmaktadır. Model, iki katmanlı bir çalışmayı içermektedir. İlk katmanda, görme engelli kullanıcıların ve görme kaybı eğitmenlerinin belirli ihtiyaçlarına ve zorluklarına odaklanan dört aşamalı bir çerçevenin ortaklaşa tasarlanması yer almaktadır. İkinci katman, bu tasarımı ek 30 görme engelli birey ile test etmeyi ve bunun için Wizard of Oz (WoZ) tekniği de dahil olmak üzere birden çok yöntemi kullanmayı içermektedir. Prototipin diyalog akışlarına, müze ortamında kaydedilmiş damlayan su veya uğultu gibi mekansal seslerle birlikte, mekanın anlatımında duyusal, duygusal, tarihi ve yapısal unsurları içeren kapsayıcı ve görme engelliler tarafından anlaşabilir betimleyici sesli açıklamalar entegre edilmiştir. Yukarıdaki yöntem, mekânsal anlama ve bilişsel harita (cognitive map) gelişimini artırmada etkili bulunmuştur. Katılımcıların var olan sesli asistanların kalıplaşmış şakaları ve insani olarak algılanmayan etkileşimleri hususundaki hassasiyetini not alarak, sesli asistanın iki iterasyonuna kişilerarası yetenekler entegre edilmiştir. Bu versiyonlardan biri mizahi bir şekilde mekanı anlatmaya odaklanırken, diğeri mizahsız etkileşimlere odaklanacak şekilde farklı özelliklere sahiptir. Hem niteliksel hem de niceliksel sonuçlar, görme engelli kullanıcıların mizahi versiyonu tercih ettiklerini, etkileşimi, orada olma hissini (immersion) ve hatta sosyal öğrenmeyi artırdığını göstermiştir. Bu çalışma, iMuse Modeli'nin, tanıdık olmayan alanlarda görme engelli bireylere yardımcı olmak için ortaklaşa tasarlanmış, mizahla süslenmiş ve kültürel açıdan duyarlı sesli asistanları kullanma potansiyelini vurgulamaktadır. Ayrıca, bu sesli asistanların bu ortamlarda sosyal öğrenmeyi, katılımı ve kültürel mirası değerlendirmeyi nasıl artırabileceğinin altını çizmektedir. Genel olarak, bu çalışmanın sonuçlarının, daha diyalog bazlı, kullanıcı merkezli ve kapsayıcı olan konuşma ajanlarının oluşturulması ve geliştirilmesi için değerli içgörüler sunması beklenmektedir. Bu araştırma çabası, özellikle daha kapsayıcı ve erişilebilir sesli asistanlar tasarlama alanında önemli teorik ve pratik ilerlemeleri beraberinde getirme potansiyeline sahiptir. Ayrıca, İnsan-Bilgisayar Etkileşimi (HCI) hakkındaki anlayışı derinleştirebilir ve teknoloji alanında sosyal bilim teorilerinin kullanımını genişletme potansiyeline sahiptir.