是什么影响了产品设计师对大型语言模型的使用?一项基于SEM-ANN混合模型的实证研究

《International Journal of Industrial Ergonomics》:What influences product designers’ use of large language models? An empirical study based on a SEM-ANN hybrid model

【字体: 大 中 小 】 时间:2026年03月29日 来源:International Journal of Industrial Ergonomics 3

编辑推荐:

  LLMs在产品设计中的采纳机制研究采用混合SEM-ANN方法分析234名设计师数据,发现意图由社会影响(SI)、绩效期望(PE)和努力期望(EE)驱动,实际使用则依赖促进条件(FC)和习惯(HB),其中EE对意图呈负向影响,揭示工具易用性与专业身份焦虑的冲突。研究拓展UTAUT2模型纳入信任维度,为AI设计工具开发提供双向适配策略。

  
傅千树|刘一轩|薛成祺
东南大学机械工程学院,南京,211189,中国

摘要

将大型语言模型(LLMs)整合到产品设计中正在重塑专业工作流程,然而推动设计师采用这些模型的因素尚未得到充分探索。本研究采用混合方法(结合UTAUT2模型与结构方程模型(SEM)和人工神经网络(ANN)分析234位产品设计师和学生的数据),确定了产品设计师使用LLMs的意图和实际使用行为的关键决定因素。SEM结果显示,绩效期望(PE)、社会影响(SI)和努力期望(EE)影响行为意图(BI),而便利条件(FC)和习惯(HB)直接影响实际使用行为(UB)。ANN分析显示,在意图方面(SI > PE > EE),在实际使用方面(HB > FC),采用LLMs是一个受社会压力驱动的被动适应过程,而持续使用主要受习惯驱动。一个反直觉的发现是EE对BI的负面影响,这归因于对便捷工具的渴望与对专业身份侵蚀的恐惧之间的矛盾。这些发现为开发和支持符合产品设计合作、绩效追求和专业身份特性的LLMs提供了实用建议。

引言

生成式人工智能(Gen AI)是指利用AI算法根据用户输入和要求生成多种形式内容的技术(Zhu等人,2024年)。随着人工智能的快速发展,Gen AI已被认为是提高内容创作效率的关键技术,在专业和日常场景中显著提升了便利性(Wu等人,2023年)。
在艺术和设计领域,Gen AI的应用日益普遍,自2016年谷歌开发用于平面设计的AI以来,其在产品设计中的作用显著扩大(W. Li,2024年)。学术界普遍认为,AI作为设计师的协作创造者,利用计算能力减轻重复性任务,并通过生成新颖的刺激来打破认知固定性,从而加速创新过程(Fang等人,2025a;Yu,2025年)。这一理论观点在实践中得到了验证;例如,AI驱动的绘图工具可以将传统上需要几天的样式设计工作缩短到几分钟内完成(Qiu等人,2024年),从而显著提高了效率(Wang等人,2024年)。
作为Gen AI的核心组成部分,大型语言模型(LLMs)通过深入理解需求和生成文本,在产品设计中发挥着关键作用(Zhou等人,2024年;Zhen等人,2025年)。在早期设计阶段,LLMs利用其广泛的知识库协助设计师进行“功能建模”,包括市场分析和用户需求识别等任务(Dieter和Schmidt,2020年;Lefever和Wood,1996年;Otto,2003年)。在概念开发阶段,它们可以从产品定位中提取关键信息来生成设计提案,并优化AI绘图工具的提示(Sun等人,2024年;Pan和Sun,2025年)。在后期阶段,LLMs通过帮助构建产品叙述和与利益相关者互动来促进“设计信息沟通”(Han,2016年)。因此,有效利用LLMs进行信息检索和合成对于设计师深入了解用户需求和避免项目失败至关重要(Pohl,2010年;Yu Wang,Wang和Mu,2024年)。
现有研究阐明了LLMs在产品设计中的核心价值。LLMs不仅作为提高信息获取和解决方案验证效率的工具(Zhou等人,2025年),还作为激发设计师思考并通过对话和论证验证解决方案可行性的协作伙伴(G?pfert等人,2024年)。此外,它们还作为流程引擎,与AI绘图工具协作构建多模态设计工作流程(Li等人,2025年)。
然而,尽管现有研究证实了LLMs的功能优势和客观有效性,但很大程度上忽略了影响设计师采用这些工具的主观因素。这些被忽视的维度可能是阻碍设计师与LLMs有效协作并充分发挥其潜力的关键。例如,对AI生成信息的信任缺乏可能导致设计师抵制其提出的解决方案(Gillath等人,2021年;Wang和Chen,2024b)。
鉴于此背景,统一技术接受与使用理论2(UTAUT2)模型为这项研究提供了一个理想的理论框架。该模型源于技术接受模型(TAM)和UTAUT模型(Marikyan和Papagiannidis,2023年),它将绩效期望(PE)和努力期望(EE)等动机因素与环境因素(如社会影响(SI)和便利条件(FC)相结合,以全面预测用户的行为意图(BI)和实际使用行为(UB)。它依赖主观评估问卷进行数据收集,有效弥补了当前研究的不足。UTAUT2模型进一步纳入了价格价值(PV)、享乐动机(HM)和习惯(HB),在探索设计师采用Gen AI工具的驱动因素方面表现出强大的解释力,其适用性得到了广泛验证(Yin等人,2023年;Wang和Zhang,2023年;Wang等人,2024年)。
方法上,基于UTAUT/UTAUT2框架的现有研究主要采用结构方程模型(SEM)进行分析(Linlin Hu,Wang和Xin,2025年;W. Li,2024年;Q. Wu等人,2025年;W. Zhu等人,2024年)。然而,为了克服SEM在探索变量间非线性关系方面的局限性,并研究影响因素的优先级,本研究采用了混合SEM-ANN方法。这种方法结合了人工神经网络(ANN),显著提高了研究结果的准确性(Leong等人,2013年)并有助于对重要因素进行排序。SEM-ANN方法已在类似研究中得到广泛应用和验证(Almufarreh,2024年;Al-Sharafi等人,2023年;Arpaci,2024年),证明了其强大的适用性。
总之,本研究通过将“信任(TR)”作为扩展变量纳入UTAUT2模型,填补了现有的研究空白。它旨在系统地研究个人动机(PE、EE、HM、HB)和对环境因素(SI、FC、PV)的认知如何影响设计师采用LLMs。研究结果预计将为将LLMs作为产品设计师的有效赋能工具提供坚实的理论支持和实践指导。
为了促进LLMs在产品设计工作流程中的有效整合并降低潜在项目风险,本研究基于两个主要研究问题:
  • RQ1:影响产品设计师采用LLMs的关键因素是什么?
  • RQ2:这些因素的重要性排序及其背后的机制是什么?
  • 本文的其余部分组织如下:第2节回顾相关文献。第3节详细介绍了研究方法,第4节展示了数据结果。第5节讨论了实证发现,回答了研究问题,并阐述了理论意义和实际建议。本节还指出了研究的局限性,并概述了未来研究的方向。最后,第6节总结了本文。

    节选

    生成式AI在设计和创造力中的应用与影响

    Gen AI的兴起正在深刻重塑设计和创造力的实践。当前的研究主要集中在两个方向:第一个方向是开发用于设计过程的AI辅助工具和工作流程,第二个方向是评估这些工具对设计师行为和认知的深远影响。
    在工具和应用开发领域,研究人员开发了各种Gen AI辅助系统,旨在解放设计师

    方法论

    为了实现引言中概述的研究目标,本研究采用了结合SEM和ANN的混合方法,探讨影响设计师采用LLMs进行创意生成和用户分析等任务的因素。具体实施过程如图2所示:

    描述性统计和正态性检验

    根据表3中的描述性统计和正态性检验结果,每个变量的平均得分在5点量表上介于2.61到3.95之间。显然,受访者设计师“在设计中采用LLMs”的意图高于平均水平(Xie和Wang,2024年)。偏度和峰度用于检验数据的正态性。根据Finney和DiStefano(2006年)制定的标准,如果数据

    讨论

    本研究采用混合方法SEM-ANN来研究设计师采用LLMs的决定因素,得出了关于使用意图和实际使用的全面发现。虽然SEM结果验证了大多数提出的假设,但ANN分析提供了关于这些因素相对重要性的额外见解,揭示了预测因子排序的显著差异。本章的其余部分组织如下:第5.1节分析统计结果

    结论

    本研究探讨了影响设计师采用LLMs作为辅助设计工具的因素。研究结果表明,提高工作绩效和获得社会认可是设计师采用LLMs的主要动机,而硬件和软件支持以及技术指导是使用这些工具的必要条件。培养与LLMs协作的习惯与长期使用显著相关。
    在这些因素中,SI是最重要的

    作者贡献声明

    傅千树:撰写——初稿、可视化、验证、监督、软件、资源、调查、正式分析、数据整理、概念化。刘一轩:撰写——审阅与编辑、软件、方法论、正式分析。薛成祺:撰写——审阅与编辑、监督、资源、项目管理、资金获取。

    利益冲突声明

    作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

    致谢

    随着这项研究的成功完成,我想要衷心感谢上海普祥文化传播有限公司提供的AIGC实践课程,它为我的研究提供了宝贵的见解和灵感。特别感谢课程讲师Encore先生,他提供了重要的技术指导和支持。我也要感谢该公司允许我在课程小组中进行调查,从而收集到了
    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