人工智能披露对消费者购买AI生成中国少数民族服饰意愿的影响机制:感知有用性、感知真实性与算法厌恶的作用

《Frontiers in Psychology》:How AI disclosure influences consumers' purchase intention toward AI-generated Chinese ethnic-minority fashion: the roles of perceived usefulness, perceived authenticity, and algorithm aversion

【字体: 大 中 小 】 时间:2026年10月21日 来源:Frontiers in Psychology 3.8

编辑推荐:

  背景:随着生成式人工智能(AI)在时尚设计与文化创意产业中的应用日益增长,AI生成的中国少数民族服饰为传统文化当代转化创造了新机遇。然而,消费者是否愿意接受此类产品,以及AI披露(AI disclosure)如何影响其评价与购买意愿仍不清楚。基于刺激–机体–反

  
背景:随着生成式人工智能(AI)在时尚设计与文化创意产业中的应用日益增长,AI生成的中国少数民族服饰为传统文化当代转化创造了新机遇。然而,消费者是否愿意接受此类产品,以及AI披露(AI disclosure)如何影响其评价与购买意愿仍不清楚。基于刺激–机体–反应(Stimulus–Organism–Response, S–O–R)模型,本研究考察AI披露、设计美学(design aesthetics)、文化认同(cultural identity)、感知有用性(perceived usefulness)、感知真实性(perceived authenticity)及算法厌恶(algorithm aversion)影响消费者对AI生成中国少数民族服饰购买意愿的机制。方法:采用问卷调查结合情境实验。开发并选取6幅源自土家族服饰元素的AI生成时尚插画作为刺激材料。参与者被随机分配到AI披露组或非披露组。通过腾讯问卷收集数据,获得410份有效问卷。采用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM)与重要性–绩效地图分析(Importance–Performance Map Analysis, IPMA)检验结构关系、中介效应、调节效应及实践改进优先级。结果:设计美学与文化认同通过感知有用性和感知真实性影响购买意愿,其中感知有用性是购买意愿的最强预测因子。AI披露显著降低了设计美学、文化认同、感知有用性和感知真实性。算法厌恶未显著调节感知有用性与购买意愿的关系,但显著增强了感知真实性对购买意愿的正向效应。结论:本研究揭示了AI披露塑造消费者对AI生成民族文化时尚评价的多重心理路径。研究结果进一步表明,算法厌恶改变了消费者在形成购买意愿时依赖真实性判断的程度。本研究将S–O–R模型的应用拓展至AI生成文化产品情境,并为平衡AI透明度、文化真实性与产品实用价值提供实践启示。
研究背景:土家族服饰是中国少数民族文化遗产的重要组成部分,承载历史记忆、审美价值与文化符号;但其文化传播弱化、设计转化不足、市场接受有限。生成式AI为创意生产提供工具,AI生成中国少数民族服饰成为设计转化与市场接受的新情境。既往研究表明,消费者未必接受标为AI设计的产品;AI披露、设计美学、文化认同、感知有用性、感知真实性与算法厌恶可能共同影响购买意愿,但少有研究在同一理论框架内整合这些因素。因此,本研究以土家族服饰为代表性案例,基于S–O–R模型,将AI披露作为外部刺激(S),设计美学、文化认同、感知有用性、感知真实性作为内部心理状态(O),购买意愿作为行为反应(R),并用PLS-SEM与IPMA检验机制。研究结论与意义:设计美学和文化认同通过感知有用性、感知真实性影响购买意愿;AI披露显著降低四项评价;算法厌恶未显著调节感知有用性→购买意愿,但显著增强感知真实性→购买意愿;研究拓展S–O–R模型至AI生成文化产品情境,为平衡AI透明度、文化真实性与产品实用价值提供依据。

方法概括:采用问卷调查结合情境实验。基于土家族服饰、织锦及纹样生成AI设计插画,初产120幅,经3名专家筛选15幅,再由7名专家从民族文化表达、AI生成质量、纹样应用适当性、美学表现评分,最终选6幅最高评分插画;以“AI-generated”标签操纵AI披露,随机分为披露组与非披露组(各205人)。通过腾讯问卷平台对一般消费者便利抽样,收集450份,有效410份(91.11%);样本以18–24岁、大专/本科为主。使用SmartPLS开展PLS-SEM(5000次Bootstrapping)和IPMA。

研究结果:
4.1 描述性统计分析:通过样本人口学描述与χ2检验,410份有效样本中男性168人(41.0%)、女性242人(59.0%);18–24岁334人(81.5%);大专/本科357人(87.1%)。AI披露组与非披露组在性别、年龄、教育上无显著差异(p>0.05),随机分组平衡可接受。
4.2 共线性评估:通过内模型方差膨胀因子(VIF)评估,VIF为1.000–2.078,低于3.3,表明无严重多重共线性。
4.3 基于结构方程模型(SEM)的AI生成土家族时尚购买意愿模型分析:
4.3.1 测量模型评估:通过PLS-SEM信效度评估,文化认同条目CI1因与感知真实性条目语义重叠被删除,CI2、CI3保留;因子载荷0.789–0.969,Cronbach's α为0.853–0.966,组合信度(CR)为0.911–0.978,平均方差提取量(AVE)为0.775–0.937;交叉载荷与Fornell–Larcker准则支持判别效度。
4.3.2 结构模型评估:通过Bootstrapping(5000次重抽样,95%置信区间)检验,H1–H12获支持,H13不支持,H14获支持。设计美学正向影响感知有用性(β=0.602)和感知真实性(β=0.153);文化认同正向影响感知有用性(β=0.198)和感知真实性(β=0.662);感知有用性(β=0.710)和感知真实性(β=0.173)正向影响购买意愿;中介路径设计美学→感知有用性→购买意愿(β=0.427)、文化认同→感知有用性→购买意愿(β=0.140)、设计美学→感知真实性→购买意愿(β=0.027)、文化认同→感知真实性→购买意愿(β=0.115)均显著。AI披露负向影响设计美学(β=?0.391)、文化认同(β=?0.426)、感知有用性(β=?0.168)和感知真实性(β=?0.182)。算法厌恶未显著调节感知有用性→购买意愿(β=?0.019,p=0.523),但显著增强感知真实性→购买意愿(β=0.094,p=0.007)。间接效应:AI披露→设计美学→感知有用性→购买意愿(β=?0.167)、AI披露→文化认同→感知有用性→购买意愿(β=?0.060)、AI披露→文化认同→感知真实性→购买意愿(β=?0.049)、AI披露→设计美学→感知真实性→购买意愿(β=?0.010)均显著。R2:购买意愿=0.686,感知有用性=0.606,感知真实性=0.647,设计美学=0.038,文化认同=0.045。
4.4 重要性–绩效地图分析(IPMA):通过SmartPLS的IPMA,感知有用性重要性最高(总效应=0.710)但绩效57.212;设计美学重要性0.454、绩效60.487;文化认同重要性0.255、绩效71.329;感知真实性重要性0.173、绩效72.290;AI披露总效应?0.437;算法厌恶总效应?0.001、绩效58.596。结果表明提升购买意愿应优先改善感知有用性,其次为设计美学,并谨慎设计AI披露沟通。

讨论总结:5.1 感知真实性与感知有用性作用:设计美学对感知有用性影响最强,文化认同对感知真实性影响最强;感知有用性与感知真实性正向影响购买意愿,前者为最强直接预测因子。研究强调,在民族文化产品中,设计美学对感知真实性的正向作用应在文化符号适当使用与文化表征一致的语境中理解,刺激材料经专家评审以评估民族文化表达、纹样应用适当性与美学表现。5.2 AI披露与算法厌恶:AI披露显著降低设计美学、文化认同、感知有用性和感知真实性;算法厌恶未显著调节感知有用性→购买意愿,但显著增强感知真实性→购买意愿,表明高算法厌恶消费者在决策中更依赖真实性判断。5.3 理论启示:研究拓展S–O–R模型至AI生成土家族时尚消费情境;揭示AI披露同时削弱消费者多维评价;区分感知有用性与感知真实性作用,并说明算法厌恶改变消费者依赖的心理标准。5.4 实践启示:优先提升感知有用性;平衡设计美学与文化真实性,向高算法厌恶消费者呈现纹样来源、文化含义、设计转化过程与专家评审信息;谨慎管理AI披露,说明AI在设计过程中的具体角色,并强调人类设计师、民族文化专家与非物质文化遗产传承者在文化选择与最终设计决策中的参与。

6.1 研究结论与贡献(翻译):本研究基于S–O–R模型考察了消费者对AI生成土家族时尚购买意愿的形成机制。结果表明,设计美学与文化认同通过感知有用性和感知真实性构成消费者评价转化为购买意愿的心理路径。更重要的是,AI披露显著降低了消费者对设计美学、文化认同、感知有用性和感知真实性的评价。尽管算法厌恶未显著调节感知有用性与购买意愿之间的关系,但其显著增强了感知真实性对购买意愿的正向效应。本研究的主要贡献在于将AI披露和算法厌恶引入AI生成民族文化时尚情境。在保留消费者从美学、文化意义、实用价值和真实性等方面评价产品的既有机制的同时,本研究进一步证明了AI披露对消费者多维产品评价的负向影响,并识别了算法厌恶对真实性判断的边界效应。由此,本研究将S–O–R模型的应用拓展至AI生成文化产品消费,并为理解消费者如何评价和接受AI参与民族文化创作提供了实证证据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号