Chatbot offre des rapports de criminalité empathiques et multilingues pour faciliter la charge de travail Dispatcher
À travers le pays, les centres de répartition du 911 sont confrontés à une pénurie de travailleurs. Malheureusement, ce manque de personnel, ainsi que la nature du travail lui-même, conduit à des répartiteurs qui sont souvent surmenés et stressés. Pendant ce temps, lorsque les membres de la communauté doivent signaler un crime, leurs options consistent à contacter le 911 pour une urgence ou, dans une situation non urgente, à appeler un numéro de non-urgence ou à remplir un formulaire en ligne.
Un nouveau chatbot, Saferbot, conçu et développé par des chercheurs de la School of Information Sciences de l’Université de l’Illinois Urbana-Champaign – le professeur d’associé Yun Huang, Ph.D. en informatique. L’étudiant Yiren Liu et l’étudiant BSIS Tony An – consiste à améliorer le processus de déclaration des situations non urgentes pour les membres de la communauté et les centres de répartition.
Saferbot est un modèle de langue large (LLM) qui aide les centres de répartition pour fournir aux membres de la communauté une méthode pour signaler leurs situations à travers une série de questions et réponses cohérentes, à la fois informationnelles et empathiques, lorsque des crimes sont signalés en ligne. Selon Huang, chercheur principal sur le projet, les forces uniques de Saferbot sont qu’il transforme les chats non structurés en une forme structurée, soutient les haut-parleurs anglais et non anglais, et pose automatiquement des questions de suivi pour améliorer la qualité du rapport.
« Saferbot vise à fournir des réponses immédiates aux utilisateurs qui préfèrent ne pas ou ne pas s’engager avec les répartiteurs humains, ou lorsque les répartiteurs humains ne sont pas disponibles », a-t-elle déclaré. « En posant automatiquement des questions pertinentes, SaferBot réduit le temps nécessaire pour collecter les détails des incidents et améliore la qualité des informations recueillies. Elle aide également à réduire la charge de travail des répartiteurs, à prévenir l’épuisement professionnel. »
Lorsqu’un centre de répartition choisit d’utiliser SaferBot, un membre de la communauté qui doit signaler une situation non urgente peut aller sur le site Web de Saferbot et commencer à répondre aux questions posées par le chatbot sur le côté gauche de l’écran de l’utilisateur. Les détails sont automatiquement remplis dans les champs du rapport d’incident sur le côté droit de l’écran. Saferbot est multilingue, donc si la première réponse du journaliste est en espagnol, les questions de suivi passeront de l’anglais à l’espagnol.
« Nous prévoyons de lancer Saferbot comme un effort de base, obligeant les gens à utiliser le système », a déclaré Liu. « Cela fournira une solution pour le service de police et aidera grandement les membres multilingues de notre communauté. »
Selon Huang, lorsque Saferbot est lancé, les services de police pourront accéder, traiter et télécharger des données du tableau de bord du système et intégrer facilement les informations dans les systèmes qu’ils utilisent actuellement.
« Les informations collectées à partir de notre système sont cryptées et stockées sur Amazon Cloud, qui offre plusieurs couches de sécurité », a ajouté Liu.
La conception et le développement de Saferbot ont été inspirés par les preuves empiriques obtenues grâce aux recherches antérieures de l’équipe, où ils ont étudié LifeAfe, un système de rapports de sécurité communautaire populaire auprès des universités. Grâce à leur analyse des journaux du système, les chercheurs ont appris que la quantité de soutien émotionnel qu’un membre de la communauté reçoit via un système basé sur le texte varie.
« Nos recherches ont révélé que les différents utilisateurs ont différents niveaux de besoin de soutien émotionnel lors des rapports d’incidents. L’objectif est de permettre aux utilisateurs de personnaliser leur expérience de rapport en fonction de leurs besoins émotionnels », a déclaré Huang.
Les chercheurs ont constaté que les membres de la communauté sont plus sensibles à répondre aux questions de suivi lorsque le soutien empathique est fourni; Saferbot peut être déployé avec le niveau d’empathie que les utilisateurs souhaitent. Un article discutant de ce travail, intitulé «Découvrir les faits cachés des interactions utilisateur-dissatcher via des systèmes de rapports textuels pour la sécurité communautaire», a été publié dans Actes de l’ACM sur l’interaction humaine-ordinateur en 2023.
« Saferbot complète les répartiteurs humains en posant des questions similaires, optimisées par le soutien émotionnel par l’empathie et la compassion », a déclaré Huang.
Le service de police d’Urbana (IL) a été un collaborateur clé dans le développement des fonctionnalités de Saferbot. L’équipe de Huang a collecté ses commentaires pour améliorer le système à usage communautaire. Le Police Training Institute de l’Université de l’Illinois Urbana-Champaign a également été un partenaire de recherche actif avec le groupe de développement de Huang; Une version de Saferbot a été créée comme un outil de formation qui offre des opportunités de recrues pour expérimenter l’interview avec différents niveaux d’empathie de saferbot et pour pratiquer leurs compétences d’entrevue aux premiers stades de leur développement.
L’équipe de Huang présentera un article décrivant ses travaux récents, intitulé «Améliorer la livraison de soutien émotionnel dans les rapports de sécurité communautaire basés sur le texte à l’aide de modèles de grandes langues», lors de la conférence ACM sur le travail coopératif et l’informatique sociale soutenus par ordinateur (CSCW 2025).
Huang est spécialisé dans l’interaction humaine-AI et l’informatique sociale et dirige le laboratoire SALT (Social Computing Systems) à l’Université de l’Illinois.
