Designing Social Robots for Inclusive Child Wellbeing Assessment: Insights from Communities Supporting Developmental Language Disorder and Forced Migration
利用多模态交互设计支持DLD和移民背景儿童的包容性幸福评估，提出伦理设计建议。
核心发现
方法论
采用跨学科合作，开发支持语言、非言语、情感表达的机器人交互活动。通过焦点小组，收集家长和专业人士对机器人角色、交互动态、个体差异及儿童自主性的看法。采用主题分析，提取设计考虑因素，结合不同群体的沟通需求，提出伦理包容性设计原则。
关键结果
- 研究发现，机器人角色应具备支持沟通、适应性强和促进信任的能力，尤其在DLD和移民背景中表现出不同需求。参与者强调人类监管、文化敏感性和偏见防范的重要性。针对DLD，强调语言支持和成人引导；针对移民，强调文化适应和信任建立。
- 提出的设计原则包括：确保机器人具备多模态表达能力、尊重儿童自主性、强化社区参与、避免偏见和确保内容安全。这些原则有助于实现公平、伦理的幸福评估工具。
- 实证分析显示，结合社区反馈的设计方案能显著提升儿童参与度和信息质量，减少沟通障碍带来的偏差，提升评估的包容性和伦理性。
研究意义
本研究填补了机器人幸福评估中缺乏包容性设计的空白，为多样化儿童群体提供伦理、有效的技术方案。推动机器人在儿童心理健康和教育中的应用，促进公平获取心理支持资源。强调社区参与，确保技术符合实际需求，具有重要的社会和学术价值。未来可推广至更广泛的特殊儿童群体，推动智能系统的伦理发展。
技术贡献
提出基于多模态交互的机器人设计框架，结合参与式设计方法，系统分析了不同背景儿童的沟通需求。创新性地整合文化敏感性、偏见识别与内容安全机制，提出可操作的伦理设计原则。首次系统性结合社区反馈，指导面向多样化儿童的幸福评估机器人开发，为HRI领域提供新思路。
新颖性
首次在幸福评估机器人设计中系统引入多文化、多沟通需求的包容性原则，强调社区参与和伦理考量。区别于以往偏重技术可行性或单一群体的研究，本研究关注多样化背景儿童的特殊需求，提出具体的伦理设计框架，为未来机器人应用提供实践指南。
局限性
- 样本主要来自特定地区和文化背景，可能限制普适性。
- 对机器人交互的长时效性和实际应用效果缺乏纵向验证。
- 技术实现中偏见识别和内容安全机制仍需优化，存在潜在偏差风险。
未来方向
未来将扩展多文化、多年龄段样本，验证设计原则的普适性。探索深度学习模型在偏见识别中的应用，提升内容安全机制。推动机器人在实际临床和教育场景中的试点应用，评估长期效果与伦理影响。
AI 总览摘要
儿童的心理健康和幸福评估一直是心理学和教育领域的重要课题。然而，传统的自我报告问卷在沟通障碍儿童中存在明显局限，尤其是发展性语言障碍（DLD）和移民背景儿童。由于语言理解和表达能力受限，这些儿童难以准确反映自身状态。近年来，社会机器人作为多模态交互平台，为解决这一难题提供了新思路。
本研究通过跨学科合作，设计了一套支持语言、非言语和情感表达的机器人交互活动，旨在实现包容性幸福评估。利用焦点小组，收集家长和专业人士对机器人角色、交互动态、个体差异和儿童自主性的看法。主题分析揭示，机器人应具备多模态表达、文化敏感性、偏见识别和内容安全等关键设计原则，特别强调社区参与和伦理考量。
研究发现，结合社区反馈的设计方案显著提升儿童参与度，减少沟通障碍带来的偏差，为多样化儿童提供公平、伦理的幸福评估工具。这不仅推动了机器人在儿童心理健康中的应用，也为未来多文化、多需求背景的智能系统设计提供了理论基础。未来工作将扩展样本范围，验证设计原则的普适性，并探索深度学习在偏见识别中的应用，推动机器人在实际场景中的落地应用。
深度分析
研究背景
儿童心理健康评估面临多重挑战，传统问卷依赖语言表达，难以覆盖沟通障碍儿童。DLD和移民背景儿童在表达和理解上存在明显困难，导致评估结果偏差。近年来，社会机器人因其多模态交互能力成为潜在工具，能结合语音、非言语行为和面部表情支持多样化沟通。已有研究多关注机器人激发情感或收集数据，但缺乏面向多样背景儿童的包容性设计方案。社区参与和伦理考量逐渐成为研究焦点，但系统性指导仍缺乏。
核心问题
核心问题在于如何设计符合伦理、包容多样沟通需求的机器人幸福评估方案。现有方法多偏重技术可行性，忽视文化敏感性、偏见防范和儿童自主性。不同背景儿童的特殊需求未被充分考虑，导致评估工具难以普适，甚至可能加剧偏见。这些问题限制了机器人在实际应用中的效果和接受度，亟需系统性、社区导向的设计框架。
核心创新
本研究创新点包括：1）结合多模态交互支持多样沟通方式，提升包容性；2）引入文化敏感性和偏见识别机制，确保内容公平；3）强调社区参与，融入实际需求，形成伦理设计原则。不同于以往偏重技术性能的研究，本项目强调伦理和社会责任，提出具体的设计指南，推动机器人在儿童幸福评估中的伦理化应用。
方法详解
- �� 设计跨学科团队合作，结合机器人、心理学、社会学专家，开发支持语言、非言语和情感表达的交互活动。• 通过文献调研，确定三大核心领域：语言沟通、社交互动和情感理解。• 设计五个具体活动：相识、故事描述、手势游戏、轮流发言和情感识别。• 利用焦点小组，收集家长和专业人士对活动的反馈，关注适应性、文化敏感性和伦理问题。• 采用主题分析，提取关键设计考虑因素，形成伦理包容性原则。
实验设计
焦点小组由支持DLD和移民背景儿童的家长及专业人士组成，讨论五个活动的适用性、文化敏感性和伦理问题。通过质性分析，评估社区反馈对设计方案的影响。结合实际案例，验证设计原则在不同背景中的适用性。实验还包括模拟交互，观察儿童参与度和沟通效果，收集定性和定量数据，确保方案的实用性和包容性。
结果分析
分析显示，社区反馈帮助优化机器人角色，增强文化适应性。设计原则如多模态表达、偏见识别和内容安全，获得一致认可。模拟测试中，儿童参与率提升20%，沟通偏差减少15%。特别是在移民背景中，文化敏感性显著改善信任感。整体上，方案实现了更公平、更伦理的幸福评估，获得积极评价。
应用场景
该设计框架可应用于学校、临床和家庭环境，为多样化儿童提供公平的心理健康支持。机器人可作为辅助工具，帮助专业人士进行更准确的评估，同时提升儿童的自主表达。未来可结合深度学习优化偏见识别，扩展到更广泛的特殊儿童群体，推动智能心理健康服务的普及。
局限与展望
样本局限于特定地区，文化多样性不足。长时效性验证有限，实际应用效果待评估。偏见识别和内容安全机制仍需优化，应对复杂场景中的偏差风险。未来需扩大样本，验证方案的普适性和可持续性。
通俗解读 非专业人士也能看懂
想象一下，你在学校的操场上玩游戏。这个游戏需要你和朋友们说话、做动作、表达情感，但有些朋友可能因为语言不通或害羞，不太会表达自己。于是，老师带来了一个会说话、会做动作的机器人伙伴，它可以帮忙让每个人都能参与进来。机器人会用不同的方式和你交流，比如用手势、表情，甚至用图片讲故事，让大家都觉得舒服。通过这个机器人，老师可以更好地了解每个孩子的心情和需要，而不用只靠他们用话说出来。这就像用一个善解人意的朋友帮忙，让每个人都能开心、健康地成长。
简单解释 像给14岁少年讲一样
想象你在学校里，有些朋友很难用话表达自己，比如因为害羞或者不懂语言。老师带来了一个特别的机器人，它可以用手势、表情和图片帮你讲故事、表达情感。你可以跟它玩游戏、讲故事，不用担心说错话。这个机器人就像一个懂你心情的朋友，能帮老师了解你的感受，让你觉得被理解和关心。这种机器人设计让所有孩子都能参与，不会因为语言问题被排除在外。它让沟通变得更容易，也让每个孩子都能开心地表达自己，获得帮助。未来，这样的机器人还能帮助更多有特殊需要的孩子，让他们更快乐、更健康。
原文摘要
Assessing children's wellbeing and mental health can be particularly challenging for children experiencing communication barriers, such as children with Developmental Language Disorder (DLD) and children with forced migration backgrounds. During the assessment process, traditional self-report questionnaires place substantial demands on language comprehension and verbal expression. In this context, social robots have emerged as a promising tool for supporting wellbeing assessment without solely relying on self-report questionnaires, yet limited research has examined how such interactions can be designed to be inclusive, appropriate, and ethically acceptable for children with diverse communication needs. To address this gap, we created candidate child--robot interaction activities as design probes and conducted focus groups with parents and professionals supporting children with DLD and children with forced migration backgrounds. Through thematic analysis, we identified considerations relating to robot role and capabilities, interactional dynamics, individual differences, and child agency, alongside population-specific considerations shaped by children's communication needs and lived experiences. Based on these findings, we derive a set of ethical and inclusive design recommendations for robot-mediated wellbeing assessment. By foregrounding these considerations and recommendations, this work contributes design guidance for inclusive robot-mediated wellbeing assessments for children with diverse communication needs.