共感的な返答は、単に「大変でしたね」と言えば成立するものではありません。まず事情を聞くべきか、感情を言葉にして返すべきか、それとも具体策を提案できる段階なのか。相手の状態と会話の進み方に応じて、応答の役割を選ぶ必要があります。

ESConv（Emotional Support Conversation）は、悩みを話す相談者と、それを支える支援者のテキスト会話をクラウドワーカーから集め、支援側の発話に応答方略を記録した英語データセットです。原論文「Towards Emotional Support Dialog Systems」はACL-IJCNLP 2021で発表されました。

ESConvが扱うのは、訓練を受けた一般参加者による社会的・感情的な支援です。臨床心理士によるカウンセリング記録ではなく、診断、治療、危機介入の有効性を示すデータでもありません。

相談者は状況と感情を事前に申告する

参加者はhelp-seeker（相談者）とsupporter（支援者）に分かれ、オンラインで一対一の会話を作りました。相談者は会話前に、問題の種類、主な感情、その感情の強さを1〜5で回答し、何が起きたのかを自由記述します。さらに、現在経験している問題か、過去の経験かも申告しました。論文版では、相談内容の75.2％が現在の経験に基づいています。

論文版が設定した問題は「継続的な抑うつ」「仕事上の危機」「別れ」「友人関係」「学業上の負担」の5種類、感情は不安、抑うつ、悲しみ、怒り、恐怖、嫌悪、恥の7種類です。相談者は自分の状況を支援者へ少しずつ説明し、支援者は対話の流れを見ながら返答します。固定された質問票への回答ではなく、各組がその場で進める複数ターンの会話です。

実体験を含む可能性が高い一方で、研究参加のために作られた有償の対話でもあります。日常の友人関係や実際の相談窓口で自然発生した会話と同一視はできません。

支援者は教材と試験を通過してから参加した

支援者には、HillのHelping Skills Theoryを参考にしたチュートリアルが用意されました。会話を「探索」「慰め」「行動」の3段階として捉え、8種類の支援方略を学びます。段階は機械的に一方向へ進むのではなく、相手の反応に応じて行き来できます。

チュートリアルは3段階と8方略に対応する11の小課題で構成され、それぞれに会話例と確認問題がありました。支援者への応募者5,449人のうち、試験を通過して実際の支援者になったのは425人、7.8％です。最終的な論文版データには、支援者425人、相談者532人を含む計854人が参加しました。役割を兼ねた人がいるため、役割別人数の単純合計とは一致しません。

8種類の方略を選んでから文章を書く

支援者は返答を書く前に、その発話で使う方略を選びました。複数の方略を使いたいときは、方略ごとに発話を分ける設計です。したがって、ESConvの方略ラベルは、第三者が完成済みの会話へ後から付けた「客観的な正解」ではなく、書き手が意図した応答方法を示す自己申告ラベルです。

• 質問：状況を理解するために情報を求める。特に自由に答えられる質問を重視する
• 言い換え・要約：相談者の内容を簡潔な別の言葉で返す
• 感情の反映：相談者が表した、または暗に示した感情を言葉にする
• 自己開示：支援者自身の似た経験や感情を共有する
• 肯定・安心：相談者の強みや能力を認め、励ます
• 提案：相手の意思を奪わない形で考え方や行動を提案する
• 情報提供：事実、意見、参考情報、質問への答えを示す
• その他：あいさつなど、上記に入らない発話

論文版の支援者発話14,855件では、質問が3,109件（20.9％）、肯定・安心が2,388件（16.1％）、提案が2,323件（15.6％）でした。頻度は方略の優劣を意味せず、会話段階や相談内容によって必要性が変わります。

会話中と終了後に相談者側の評価を集める

相談者は、支援者から新たに2発話を受け取るたびに、直近の応答がどの程度役立ったかを1〜5で評価しました。会話終了後には、負の感情の強さを再評価し、支援者が自分を理解し共感したか、応答が相談内容に関連していたかも回答します。支援者側も、相談者が問題をどの程度詳しく説明したかを評価しました。

論文版では負の感情強度の平均が会話前4.04、会話後2.14でした。ただし、これは支援の臨床効果を測る無作為化試験ではありません。自己申告、研究参加による期待、尺度の誤解、さらに後述する品質選別の影響を受けるため、「ESConv型の応答で感情が1.90改善する」とは解釈できません。

2,472会話から1,053会話へ絞り込んだ

収集された会話は2,472件でした。相談者が完了していない会話と16発話未満の会話を除くと1,342件になり、事後評価と発話長を使った基準を適用して、最終的に1,053件（31,410発話）が論文版へ採用されました。1会話は平均29.8発話、所要時間は平均22.6分です。

支援者側については、①相談者の感情強度が1以上下がる、②支援者の平均発話長が8語以上、③共感評価が3以上、④関連性評価が4以上、という4条件のうち少なくとも3つを満たすことを基本にしました。相談者側には平均発話長6語以上という条件も置かれました。100会話を3人の訓練済み評価者が確認して閾値を調整し、最終ルールと人手判断の平均Cohenのκは0.576でした。一定の一致はあるものの、完全に客観的な品質判定ではありません。

方略ラベルにも再確認が行われました。新たに適格となった支援者が2,545発話を見直し、75％を超える確認者が元ラベルに反対した箇所を著者らが精査して、139件を修正しています。また、感情強度が不自然に変化した130会話を調べると、相談者が「負の感情の強さ」の尺度を逆向きに理解した例が多く、92％の値が修正されました。

論文版と現在の配布版は規模が異なる

原論文が報告するのは1,053会話ですが、公式配布リポジトリは拡張版として1,300会話を案内しています。上記の参加者数、発話数、方略比率、品質管理の数値は論文版に対するものです。1,300会話版へそのまま当てはめないよう、利用時には取得したファイルの版と件数を記録する必要があります。公式リポジトリは用途を学術研究に限定しています。

利用前に確認したい限界

• 専門支援ではない：支援者は教材と試験を通過した一般参加者で、心理職ではありません。著者らも、誤った信念への「対決」のように一般参加者には難しく危険になり得る技法を対象外にしました。
• 選別された成功例に偏る：短い会話や低評価の会話を除いているため、会話の破綻、不適切な助言、支援を中止して専門窓口へつなぐ場面を十分には学べません。
• ラベルが会話を誘導する：方略を先に選んでから書くため、自然会話を観察した分類ではありません。方略名を意識すること自体が文章に影響します。
• 安全性と正確性は保証されない：提案や情報提供を専門家が医学的・法的に検証したとは論文に記されていません。生成モデルが流暢に再現しても、安全な助言とは限りません。
• センシティブな実体験を含む：倫理審査の承認、データ利用目的の説明、妥当な時給の支払いは報告されていますが、論文からは参加者の国・属性、具体的な報酬額、匿名化手順までは確認できません。
• 対象範囲が限られる：英語のクラウドワーカーによる会話であり、論文版の問題設定も5種類です。日本語の敬語、関係性、沈黙、相談文化へ直接一般化はできません。

日本語の感情支援対話を作るなら

日本語版を設計する際は、返答文だけを集めるのではなく、相談者の同意、開示してよい範囲、危機性のある内容を検知したときの中止・案内手順を先に決める必要があります。支援者向け教材では、傾聴と助言の違い、断定や説教を避ける基準、専門家へ引き継ぐ境界を具体例で示します。

品質評価も「自然な日本語」だけでは足りません。相談内容の理解、感情への適合、助言の時期、危険な断定の有無を別々に評価し、書き手の意図ラベルと第三者の受け取り方を分けて記録すると、モデルの誤りを追跡しやすくなります。ESConvは、共感対話のデータ作成が、参加者募集、事前教育、進行中のフィードバック、安全設計まで含む仕事であることを示す事例です。