《Frontiers in Psychology》:GenAI literacy and perceived decision quality in e-commerce: the mediating role of perceived information overload and the moderating role of consumer involvement
编辑推荐:
生成式人工智能(Generative Artificial Intelligence, GenAI)正日益被用于支持电子商务中的产品搜索、比较与评估。然而,消费者在使用并批判性评估GenAI生成信息方面的能力存在差异,这可能影响其感知信息过载与决策结果。本研究
生成式人工智能(Generative Artificial Intelligence, GenAI)正日益被用于支持电子商务中的产品搜索、比较与评估。然而,消费者在使用并批判性评估GenAI生成信息方面的能力存在差异,这可能影响其感知信息过载与决策结果。本研究以信息处理理论(Information Processing Theory, IPT)为基础,考察了GenAI素养与感知决策质量之间的关联、感知信息过载的中介作用,以及消费者卷入度(consumer involvement)的调节作用。研究人员通过对401名中国大学生进行在线问卷调查收集数据,并采用验证性因子分析(confirmatory factor analysis, CFA)以及基于自助法(bootstrap)的中介与调节分析程序对数据进行分析。结果显示,GenAI素养与感知决策质量呈正相关,与感知信息过载呈负相关。感知信息过载与感知决策质量呈负相关,并在GenAI素养与感知决策质量之间发挥了显著的间接关联作用。消费者卷入度进一步调节了GenAI素养与感知信息过载之间的关联:在较高卷入度水平下,二者间的负向关联更强。上述发现支持一种信息处理视角的解释,即消费者的GenAI相关能力与动机性卷入共同塑造其对认知负担与决策质量的感知。本研究强调了增强消费者批判性GenAI素养的重要性,并建议根据消费者卷入度的不同水平调整AI辅助的信息呈现方式。
论文解读
一、研究背景与问题提出
生成式人工智能(GenAI)已深度嵌入消费者的在线购物信息环境,在商品搜索、比较与评估环节中扮演日益重要的角色。与传统搜索和推荐界面不同,对话式GenAI系统能够根据用户请求的措辞与语境生成摘要、比较产品属性并提供推荐,这种交互方式改变了消费者获取与处理产品信息的路径。然而,GenAI在降低信息搜寻与组织成本的同时,也引入了新的认知挑战:生成式回复可能冗长、随提示词变化而波动,且流畅连贯的表述中可能包含不准确或缺乏依据的主张。消费者因此需要判断信息的相关性、可信度,并决定是否需要进行额外验证,这些活动对有限的注意力和工作记忆资源构成持续消耗。
既有研究虽已广泛探讨消费者对AI的信任、接受度、自主性与个性化体验,但对GenAI素养、感知信息过载与感知决策质量三者间关系的系统考察仍显不足。消费者在理解、使用、评估GenAI输出方面的能力存在显著差异,这种能力差异如何影响其在AI辅助购物中的认知负担体验与决策质量评价,尚缺乏统一的解释框架。此外,消费者卷入度——即购买决策对个人的重要性与相关性——可能进一步调节上述关系,因为卷入度影响消费者愿意投入信息处理与验证的努力程度。基于此,本研究以信息处理理论(IPT)为理论基础,将个体能力、感知处理负担与任务卷入纳入同一模型,旨在揭示消费者在使用类似GenAI工具时为何会产生不同的决策体验评价。
二、研究设计与核心发现
研究人员采用横断面定量问卷调查设计,于2026年1月通过中国广泛使用的在线调查平台问卷星(Wenjuanxing)收集数据,以非概率便利抽样方式通过社交媒体和电子邮件招募中国高校在校学生,最终获得401份有效样本,其中男性184人(45.89%)、女性217人(54.11%)。参与者覆盖大一至研究生及以上各年级。问卷要求参与者将使用ChatGPT、DeepSeek等GenAI工具的一般经验迁移至在线购物情境,包括搜索产品信息、比较产品特征和阅读推荐。
研究得出以下核心结论:第一,GenAI素养与感知决策质量呈显著正相关;第二,GenAI素养与感知信息过载呈显著负相关,感知信息过载与感知决策质量呈显著负相关,且感知信息过载在GenAI素养与感知决策质量之间发挥显著的间接关联作用,构成部分中介效应;第三,消费者卷入度显著调节GenAI素养与感知信息过载之间的负向关联,在高卷入度条件下该负向关联更强,且调节中介指数显著,表明间接效应在高卷入度时更强。这些发现支持信息处理视角的解释:消费者的GenAI相关能力与动机性卷入共同塑造其对认知负担与决策质量的感知。
三、关键技术与方法
本研究主要采用以下关键技术方法:其一,量表测量法,采用G?k?earslan等(2024)开发的十题项生成式人工智能素养量表(含意识、使用、评估、伦理四维度)、改编自Hunter等(2024)的十四题项购物者信息过载易感性量表(保留信息量敏感性、负面情绪预期、错误预期、信息处理能力感知四维度,剔除时间可用性维度)、改编自Chae和Lee(2013)的四题项感知决策质量量表,以及改编自Zaichkowsky(1985)的七题项个人卷入量表;其二,探索性因子分析(EFA)与验证性因子分析(CFA),采用主轴因子法配合斜交旋转检验条目负载模式,以最大似然估计评估测量模型拟合度,并比较单因子模型、相关构念模型与多维模型;其三,信效度检验,通过标准化因子载荷、组合信度(CR)、平均方差萃取量(AVE)评估收敛效度,采用Fornell-Larcker准则与异质-单质比率(HTMT)评估区分效度;其四,共同方法偏差检验,采用Harman单因子分析与单因子CFA模型进行诊断;其五,基于3,000次自助法(bootstrap)抽样的中介与调节中介分析,使用百分位置信区间评估间接效应与调节中介指数,并在所有模型中纳入性别、年级和社会经济地位作为控制变量。
四、研究结果
4.1 测量模型评估
探索性因子分析显示,Kaiser-Meyer-Olkin(KMO)值为0.962,Bartlett球形检验显著,四个特征值大于1的因子分别对应GenAI素养、感知信息过载、感知决策质量与消费者卷入度,条目在预期因子上的载荷介于0.712至0.803之间,无次级载荷达到0.300。验证性因子分析中,相关四因子模型拟合良好(χ2(554)=627.41,RMSEA=0.018,CFI=0.992,TLI=0.991,SRMR=0.029),显著优于单因子模型。进一步分析显示,GenAI素养与感知信息过载的各维度间相关接近或略超1.00,缺乏充分经验区分,故采用总体均分进行分析。信效度检验表明,所有标准化因子载荷在0.751至0.796之间且统计显著,Cronbach's α介于0.862至0.956,CR介于0.863至0.956,AVE介于0.593至0.611,均超过常规阈值。区分效度方面,各构念AVE平方根均超过其与其他构念的相关,HTMT值介于0.372至0.523,低于0.850的保守阈值。
4.2 共同方法偏差检验
Harman单因子分析中,第一个未旋转因子解释37.69%的总方差,低于40%的常用基准;单因子CFA模型拟合明显劣于四因子模型。上述结果表明测量间协方差无法由单一共同因子充分解释,但统计诊断无法排除所有共同方法偏差来源。
4.3 描述性统计与相关分析
GenAI素养与感知决策质量呈正相关(r=0.406,p<0.001),与感知信息过载呈负相关(r=?0.417,p<0.001);感知信息过载与感知决策质量呈负相关(r=?0.475,p<0.001);消费者卷入度与GenAI素养(r=0.346,p<0.001)及感知决策质量(r=0.329,p<0.001)正相关,与感知信息过载负相关(r=?0.359,p<0.001)。
4.4 假设检验
在控制性别、年级与社会经济地位后,GenAI素养与感知决策质量呈显著正相关(β=0.403,p<0.001,95% CI [0.322, 0.488]),模型解释感知决策质量17.7%的方差,支持H1。GenAI素养与感知信息过载呈显著负相关(β=?0.418,p<0.001),感知信息过载与感知决策质量呈显著负相关(β=?0.372,p<0.001),间接效应显著为正(β=0.156,95% bootstrap CI [0.108, 0.210]),直接效应仍显著(β=0.248,95% bootstrap CI [0.156, 0.342]),符合部分中介模式,支持H2。GenAI素养与消费者卷入度的交互项对感知信息过载的效应显著为负(β=?0.147,p=0.002,95% bootstrap CI [?0.241, ?0.059])。简单斜率分析显示,低卷入度(?1 SD)时GenAI素养与感知信息过载的负向关联为β=?0.186(p=0.006),高卷入度(+1 SD)时增强至β=?0.480(p<0.001)。调节中介指数为0.055(95% bootstrap CI [0.020, 0.095]),低卷入度下条件间接效应为0.069(95% CI [0.017, 0.125]),高卷入度下为0.179(95% CI [0.117, 0.250]),支持H3。
五、讨论与结论
讨论部分指出,GenAI素养与感知决策质量的正向关联表明,在生成式AI情境下,仅获得先进工具并不必然转化为更有利的决策评价,消费者的自身能力在塑造AI辅助决策体验中发挥关键作用。感知信息过载的中介效应说明,GenAI辅助购物可能因生成内容看似合理但包含不确定或不一致信息而产生额外处理需求,GenAI素养可作为消费者能力资源,与更可控的信息处理负担及更积极的决策质量感知相关联。调节效应表明,当购买决策对个人更具相关性时,消费者更倾向于运用其GenAI相关知识来审视生成信息并管理处理需求;在低卷入度下,应用相同能力的动机可能较弱。
理论贡献方面,研究将信息处理理论的应用拓展至GenAI辅助消费决策情境,表明感知处理需求不仅源于信息数量与冗余,也可能与评估看似合理但可能不确定的生成内容的需求相关;同时将GenAI素养研究延伸至消费者决策过程,揭示其作为认知资源在降低感知过载、提升决策质量感知中的作用。实践与政策层面,建议平台与AI开发者根据消费者卷入度调整信息呈现方式——对高卷入度购买提供可追溯来源、结构化比较与不确定性提示,对常规购买提供更简洁的默认回复;教育机构与消费者保护组织应将来源评估、不确定性识别、替代输出比较与偏见意识纳入负责任GenAI使用指导。
研究结论指出,GenAI正在改变消费者搜索、比较和评估产品信息的方式。基于信息处理理论,GenAI素养与感知决策质量正相关,与感知信息过载负相关;感知信息过载在两者间发挥显著间接关联作用;消费者卷入度增强时,GenAI素养与感知信息过载之间的负向关联更强。研究将关注焦点从消费者对GenAI工具的可及性转向其理解和批判性评估生成信息的能力,以及该能力得以应用的决策条件,表明透明的信息呈现与批判性GenAI素养对消费者在AI辅助购物中体验和管理信息处理需求具有重要意义,尤其当购买决策具有个人相关性时。