威胁情境下的AI自主性与用户控制权衡:消费者风险—收益评价的路径机制研究

《Psychology & Marketing》:Balancing Artificial Intelligence Autonomy and User Control: Threat-Contingent Appraisal Pathways to Consumer Responses

【字体: 大 中 小 】 时间:2026年10月22日 来源:Psychology & Marketing 8.2

编辑推荐:

  人工智能(AI)赋能产品日益将决策权委托给自主系统,然而消费者对此类自主性的响应取决于用户是否保留有意义的控制权以及该技术被感知到的威胁程度。本研究整合技术威胁规避理论(Technology Threat Avoidance Theory, TTAT)与风险—

  
人工智能(AI)赋能产品日益将决策权委托给自主系统,然而消费者对此类自主性的响应取决于用户是否保留有意义的控制权以及该技术被感知到的威胁程度。本研究整合技术威胁规避理论(Technology Threat Avoidance Theory, TTAT)与风险—收益评价视角,考察在不同感知技术威胁水平下,AI自主性与用户控制如何共同塑造消费者响应。通过一项定性研究与三项实验,研究结果揭示了截然不同的评价模式:在高感知技术威胁条件下,AI自主性与用户控制交互影响感知产品风险,当用户控制水平较高时,更高的自主性与更低的风险感知相关联,进而影响消费者响应;在低感知技术威胁条件下,更高的AI自主性增强感知相对收益,进而促进有利的消费者响应。研究还通过类别内技术威胁操纵提供了对这些模式的更受控检验。此外,研究将证据范围拓展至购买与使用意图之外,考察了产品选择、信息搜寻、试驾决策及支付意愿等行为结果。总体而言,本研究通过强调技术威胁情境下保留用户控制的关键作用,并识别不同威胁情境下基于风险与基于收益的差异化评价路径,为消费者对AI自主性的响应提供了威胁情境依赖的解释。
威胁情境下AI自主性与用户控制的权衡:消费者风险—收益评价路径研究解读
一、研究背景与问题提出
人工智能(AI)技术正深度嵌入各类消费产品,从自动驾驶汽车到智能家居设备,越来越多的产品将原本由消费者直接行使的决策权委托给自主系统。这种自主性一方面能够降低用户努力、提升效率与便利性,另一方面也可能引发关于系统故障、主体性丧失以及放弃直接监督后果的担忧。既有技术接受研究长期强调感知有用性、便利性与效率等功能性收益对技术采纳的驱动作用,而AI采纳研究则关注信任、透明度、可解释性与用户控制等要素。然而,一个关键问题尚未得到充分解答:AI自主性在何种条件下被主要评价为收益来源,又在何种条件下成为风险来源?用户控制何时对消费者解读AI自主性的方式产生关键影响,这一影响又通过何种评价过程实现?
针对上述问题,本研究提出答案取决于感知技术威胁(perceived technological threat)。基于技术威胁规避理论(Technology Threat Avoidance Theory, TTAT),研究主张:当技术威胁感知较高时,消费者更关注潜在不利后果及其可管理性,此时用户控制可作为应对资源(coping resource),感知产品风险(perceived product risk)成为核心评价路径;当技术威胁感知较低时,后果管理的重要性下降,消费者更关注自主运行带来的功能价值,感知相对收益(perceived relative benefit)成为促进有利响应的重要路径。
二、研究设计与关键方法
本研究采用顺序混合方法设计。研究1为定性阶段,通过对25名具有AI产品使用经验的韩国消费者(平均年龄约31.5岁,60%为女性,主要居住在首尔地区)进行半结构化深度访谈,采用溯因主题分析方法提炼消费者对AI自主性、保留干预能力、潜在危害与功能价值的理解模式。研究2以自动驾驶汽车为高威胁情境,招募284名韩国大学生,采用2(AI自主性:低vs.高)×2(用户控制:低vs.高)被试间设计,通过方差分析(ANOVA)与PROCESS Model 8有调节中介分析检验假设。研究3以扫地机器人为低威胁情境,招募227名韩国大学生,采用相同实验设计,通过PROCESS Model 4中介分析检验相对收益路径。研究4通过韩国在线专业样本平台(Embrain)招募403名持有有效驾照且近6个月内驾驶过的成年人(平均年龄37.63岁,42.7%为女性),在自动驾驶汽车类别内操纵感知技术威胁、AI自主性与用户控制,采用2×2×2被试间设计,并拓展结果变量至产品选择、信息搜寻、试驾决策与支付意愿。
三、研究结果
预测试:产品类别威胁差异确认。 360名参与者对三种AI产品类别的感知技术威胁进行评价,重复测量方差分析显示显著差异,自动驾驶汽车威胁感知最高(M=5.74),AI电动自行车居中(M=4.88),扫地机器人最低(M=3.57),据此选定高、低威胁情境产品。
研究1:定性理论精炼。 访谈揭示消费者将AI自主性与用户控制视为可区分的特征,自主运行与干预能力并非矛盾;当AI故障后果较严重时,保留控制的重要性显著上升;当后果较轻微时,消费者更强调便利、效率与努力减少等功能优势。
研究2:高威胁情境下的风险路径。 在高威胁的自动驾驶汽车情境中,AI自主性与用户控制对感知产品风险的交互效应接近但未达传统显著性水平(F(1, 280)=3.73, p=0.054)。简单效应分析显示:用户控制低时,自主性高低对感知风险无显著影响;用户控制高时,高自主性显著降低感知风险(M=4.06 vs. 4.53, p=0.006)。有调节中介分析显示,通过感知产品风险的间接效应在用户控制高时显著(间接效应=0.2413, 95% CI: [0.0681, 0.4495]),控制低时不显著,调节中介指数显著(index=0.2437, 95% CI: [0.0024, 0.5177]),支持H1b。
研究3:低威胁情境下的相对收益路径。 在低威胁的扫地机器人情境中,AI自主性显著正向影响感知相对收益(F(1, 223)=48.65, p<0.001),且该效应在用户控制高时更强。中介分析显示,AI自主性通过感知相对收益对购买意图(间接效应=0.55, 95% CI: [0.32, 0.82])与使用意图(间接效应=0.59, 95% CI: [0.37, 0.82])的间接效应均显著,支持H2。
研究4:类别内威胁操纵的受控检验。 在自动驾驶汽车类别内操纵感知技术威胁后,操纵检验显示高威胁组感知威胁显著高于低威胁组(M=5.32 vs. 4.43, p<0.001)。高威胁条件下,AI自主性与用户控制的交互显著影响感知产品风险,且感知产品风险中介了交互效应对消费者响应的影响;低威胁条件下,AI自主性通过感知相对收益促进有利消费者响应。研究同时将证据拓展至产品选择、信息搜寻、试驾决策与支付意愿等多维行为结果。
四、研究结论与理论贡献
本研究提出并验证了威胁情境依赖的AI自主性评价框架。在高感知技术威胁条件下,用户控制构成关键的应对资源,AI自主性与用户控制共同通过感知产品风险影响消费者响应;在低感知技术威胁条件下,感知相对收益成为AI自主性促进有利响应的核心路径。研究贡献体现在三个方面:第一,澄清了AI自主性并非固有有益或有害,其后果随感知技术威胁与保留控制水平而变化,提供了情境敏感的消费者响应解释;第二,识别了不同威胁情境下的差异化焦点心理路径,推进了风险—收益评价视角的理论整合;第三,区分了系统自主性与用户保留干预能力,表明高自主性AI可以与有意义的用户干预共存,且保留控制在威胁感知较高时尤为关键。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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