拟人化是福是祸?人工智能感知拟人化对自动驾驶出租车用户续用意愿的双刃剑效应

问题提出

自动驾驶出租车（Robotaxi）正加速商业化（Waymo、Apollo Go 等已上线），但公众对安全与决策能力的信任疑虑仍高，近半数中国用户态度悲观或中性。对这类服务而言，续用意愿（而非初次采纳）才是长期存活的关键；而既有 TAM / TPB / UTAUT 框架偏重技术功能属性，对用户的深层心理反应——尤其拟人化带来的矛盾体验——解释不足。

难点剖析

拟人化设计（语音、表情、社交线索）常被视为提升信任的「灵丹」，但近年证据显示它也可能触发不安与焦虑（恐怖谷效应、隐私担忧、期望落差）。学界对「拟人化到底促进还是抑制使用意愿」结论不一，机制「黑箱」始终未被打开。

理论脉络

既有研究主要依托技术接受模型（TAM）、计划行为理论（TPB）、整合技术接受与使用理论（UTAUT），聚焦初次采纳；拟人化理论（Epley et al., 2007）指出个体倾向给非人实体赋予人性特质并引发社会心理反应，为解释这种矛盾体验提供了理论支点。

理论模型

以拟人化理论为框架，构建「感知拟人化 →（信任 / 焦虑）双中介 → 续用意愿」的研究模型，并引入隐私关注作为调节变量，检验其对「拟人化→信任 / 焦虑」路径及有调节的中介效应的边界作用。共提出 H1a–c、H2a–c、H3、H4a–b、H5a–b 共 11 条假设。

研究假设

H1a：感知拟人化 → 信任（+） H1b：信任 → 续用意愿（+） H1c：信任中介 感知拟人化→续用意愿 H2a：感知拟人化 → 焦虑（+） H2b：焦虑 → 续用意愿（−） H2c：焦虑中介 感知拟人化→续用意愿 H3：信任与焦虑双中介 H4a：隐私关注负向调节 拟人化→信任 H4b：隐私关注正向调节 拟人化→焦虑 H5a：隐私关注调节（信任路径）有调节的中介：低隐私关注时正向间接效应更强 H5b：隐私关注调节（焦虑路径）有调节的中介：高隐私关注时负向间接效应更强

分析策略

层级多元回归（SPSS 27.0）检验直接与调节效应，交互项做均值中心化；PROCESS Model 7（SPSS）Bootstrap 5000 次、95% CI 检验中介与有调节的中介效应；Mplus 8.3 做验证性因子分析（CFA）与共同方法偏差检验。

数据收集

中国问卷星（Wenjuanxing）在线问卷，自愿参与、无激励，2025 年 7 月完成、历时 6 周；设置筛选题「是否乘坐过自动驾驶出租车」剔除无经验者；题目随机化以抑制共同方法偏差；按账号 / 设备 / IP 去重。共回收 935 份，剔除缺失、作答 <60 秒及高度雷同后保留 780 份有效样本（有效率 83.4%）。

研究样本

780 名有过 Robotaxi 乘坐经验的用户；女性占 53.1%；年龄 23–29 岁为主（42.1%），其次 30–39 岁（32.7%）；本科及以上 58.2%；企业员工 36.8%；地域覆盖华东 / 华中 / 西部 / 东北；月收入 5000 元以上占 81.5%。

测量工具

五点李克特量表（1 强烈不同意—5 强烈同意），英文量表经 Brislin 程序翻译 + 专家修订。感知拟人化（Moussawi & Koufaris, 2019，6 题，α=0.863）、信任（Alshammari et al., 2022，3 题，α=0.787）、焦虑（Nomura et al., 2004，3 题，α=0.778）、隐私关注（Kyriakidis et al., 2015 & Waung et al., 2021，4 题，α=0.861）、续用意愿（Bhattacherjee, 2001，3 题，α=0.819）。控制变量：性别、年龄、学历、籍贯、月收入。

信效度检验

共同方法偏差三重检验：Harman 单因子最大方差解释率 22.805%（<50%）；单因子 CFA 拟合差（χ²/df=22.700，CFI=0.368）远劣于五因子理论模型（χ²/df=1.060，CFI=0.998，RMSEA=0.009）；UMLF 法拟合变化可忽略（ΔCFI=−0.001）。五因子模型判别效度与聚合效度良好（CR>0.72，AVE>0.50）。全部模型 VIF<3，无多重共线性。

假设检验

H1a：感知拟人化 → 信任 — b=0.159*** → 接受

H1b：信任 → 续用意愿 — b=0.414*** → 接受

H1c：信任中介效应 — 间接效应 0.070，95%CI[0.033,0.110] → 接受

H2a：感知拟人化 → 焦虑 — b=0.199*** → 接受

H2b：焦虑 → 续用意愿 — b=−0.116*** → 接受

H2c：焦虑中介效应 — 间接效应 −0.024，95%CI[−0.046,−0.009] → 接受

H3：信任+焦虑双中介 — 总间接效应 0.045，95%CI[0.004,0.089] → 接受

H4a：隐私关注负向调节 拟人化→信任 — 交互 b=−0.251***，ΔR²=0.060 → 接受

H4b：隐私关注正向调节 拟人化→焦虑 — 交互 b=0.109***，ΔR²=0.011 → 接受

H5a：有调节的中介（信任路径） — 低隐私关注 0.189 vs 高 −0.057；指数 −0.117，95%CI[−0.152,−0.084] → 接受

H5b：有调节的中介（焦虑路径） — 高隐私关注 −0.039 vs 低 −0.009（不显著）；指数 −0.015，95%CI[−0.028,−0.004] → 接受

研究结论

1. 感知拟人化对续用意愿呈「双刃剑」：通过提升信任正向促进（信任路径间接效应 0.070），同时诱发焦虑负向抑制（焦虑路径 −0.024）；总间接效应为正（0.045），因信任路径强于焦虑路径。 2. 信任与焦虑完全中介了拟人化对续用意愿的影响（三者同时纳入时直接效应不显著，b=−0.049，p>0.05）。 3. 隐私关注是关键边界条件：高隐私关注削弱信任路径、放大焦虑路径——同一套拟人化设计，对「隐私敏感型」用户可能适得其反。

研究局限

1. 样本仅来自中国用户，受文化 / 政策 / 市场阶段约束，跨文化普适性待验证； 2. 处于试点向大规模商用过渡期，结论存在时效性； 3. 目的性抽样未区分具体运营平台 / 服务商，无法精确归因特定设计特征的因果； 4. 仅考察隐私关注这一边界，任务复杂度、服务风险、失败情境等边界尚未覆盖。

未来展望

1. 跨文化 / 跨区域比较研究提升普适性； 2. 纵向追踪或实验干预设计揭示心理与行为演化； 3. 情境实验（如 2×2 操控不同拟人化水平）厘清特定设计特征的因果； 4. 拓展任务属性、服务风险、失败情境、时间压力等边界条件。

金句

原文：「perceived anthropomorphism exerts both facilitating and inhibiting effects. On the one hand, it strengthens continuance intention by enhancing user trust; on the other hand, it undermines continuance intention by heightening user anxiety.」 中文解读：感知拟人化同时具有促进与抑制双重效应——一方面通过增强用户信任强化续用意愿，另一方面通过加剧焦虑削弱续用意愿。一针见血点出拟人化设计「成也信任、败也焦虑」的悖论。

— 研究模型图

欢迎关注我的视频号

（❤️会不定期更新AI工具哦❤️）

三连一下，不失联！