期望一致与技术接受:公众对政务数字人接纳意愿研究

陈璟浩, 贾枫, 刘乾玺

农业图书情报学报. 2024, 36(6): 16-33

PDF(1153 KB)
PDF(1153 KB)
农业图书情报学报 ›› 2024, Vol. 36 ›› Issue (6) : 16-33. DOI: 10.13998/j.cnki.issn1002-1248.24-0408
研究论文

期望一致与技术接受:公众对政务数字人接纳意愿研究

作者信息 +

Expectation Confirmation and Technology Acceptance: A Study of the Public's Attention to Accept the Government's Digital Human Avatar

Author information +
History +

摘要

[目的/意义] 政务数字人作为数字政府建设的重要组成部分,其应用效果与公众接纳意愿密切相关。本研究旨在探讨影响公众对于政务数字人接纳意愿的因素及路径,为改善政务数字人服务和提升用户体验提供参考。 [方法/过程] 整合期望一致理论(ECT)和技术接受模型(TAM),在ECT的基础上扩展用户感知因素,采用结构方程模型从整体上解释公众接纳意愿的影响因素及其关系,利用中介效应模型检验影响因素的作用路径机制。 [结果/结论] 公众期望一致能够提升公众对政务数字人的满意度,公众满意度正向影响接纳意愿。感知信息质量、感知智能、感知便利、感知吸引力、感知有用性、人工智能信任在公众期望一致、满意度以及接纳意愿之间存在链式中介作用。

Abstract

[Purpose/Significance] In the digital age, government digital avatars represent a significant innovative application of the integration of generative artificial intelligence and digital government. These digital avatars aim to enhance the efficiency, accessibility, and responsiveness of public services. This study aims to explore the factors and pathways that influence public acceptance of government digital avatars, providing a theoretical basis and practical insights for improving these services and enhancing the user experience. Unlike previous studies that have focused primarily on technological and functional aspects, this research emphasizes users' perceptions and expectations, filling the gap in existing research on user experience. This innovation of this paper lies in the integration of the Expectation Confirmation Theory (ECT) and the Technology Acceptance Model (TAM) and the extension of other user perception factors to systematically analyze how these factors together influence public acceptance. [Method/Process] The study adopts a comprehensive approach, integrating the Expectation Confirmation Theory (ECT) and the Technology Acceptance Model (TAM), and extends the framework to include additional user perception factors such as perceived information quality, perceived intelligence, perceived convenience, perceived attractiveness, perceived usefulness, and AI trust. Structured questionnaires were used to collect data from a diverse sample, measuring constructs such as expectation confirmation, satisfaction, and various user perception factors. The data were analyzed using structural equation modeling (SEM), which provides robust statistical insights into the relationships between these constructs. In addition, mediation effect models were used to examine indirect effects, providing a comprehensive understanding of how these factors influence public acceptance. Data were collected from a diverse group of respondents to ensure the findings are broadly applicable and representative. [Results/Conclusions] The results suggest that expectation confirmation significantly increases public satisfaction with government digital avatars, which in turn positively affects their acceptance. Perceived information quality, perceived intelligence, perceived convenience, perceived attractiveness, perceived usefulness, and AI trust serve as critical mediators in this relationship. In particular, high levels of perceived quality and intelligence significantly increase satisfaction and acceptance, while convenience and attractiveness also play an important role. AI trust emerges as a critical factor, mediating the impact of user perceptions on acceptance. However, the study does have some limitations. First, the lack of understanding of the professional backgrounds of the research population may lead to differences in acceptance between different professional groups. Future research should look more closely at different occupational groups to gain a fuller understanding. Second, the sample consisted mainly of respondents from younger demographic groups, which may affect the generalizability of the conclusions. Future research should broaden the geographical and demographic coverage of the sample to increase diversity and representativeness. In addition, the lack of qualitative research limits the depth of understanding of users' deep-seated views and needs about government digital avatars. Future research should include qualitative components, such as in-depth interviews and focus group discussions, to explore the actual experiences and specific needs of users and to complement the quantitative findings. This study provides practical recommendations for improving user satisfaction and acceptance, and for supporting the development of effective digital governance solutions. By specifically optimizing government digital avatar services, public satisfaction and trust in digital government services can be increased, further promoting the application and development of digital avatar technology in digital government.

关键词

政务数字人 / 数字政府 / 公众接纳意愿 / 期望一致 / 技术接受

Key words

government digital human avatar / digital government / public acceptance intention / ECT / TAM

引用本文

导出引用
陈璟浩 , 贾枫 , 刘乾玺. 期望一致与技术接受:公众对政务数字人接纳意愿研究. 农业图书情报学报. 2024, 36(6): 16-33 https://doi.org/10.13998/j.cnki.issn1002-1248.24-0408
Jinghao CHEN , Feng JIA , Qianxi LIU. Expectation Confirmation and Technology Acceptance: A Study of the Public's Attention to Accept the Government's Digital Human Avatar. Journal of Library and Information Science in Agriculture. 2024, 36(6): 16-33 https://doi.org/10.13998/j.cnki.issn1002-1248.24-0408

0 引言

随着数字政府建设的不断推进,生成式人工智能在政务服务中的应用正逐渐改变传统的政府治理模式。近年来,政务数字人作为一种融合了人工智能、自然语言处理和虚拟形象技术的新兴工具,开始在提升政务服务效率和用户体验方面展现出巨大的潜力。《第十四个五年规划和2035年远景目标纲要》(2021)[1]和《数字中国建设整体布局规划》(2023)[2]均明确强调了加快推进政务服务数字化、智能化发展的重要性,并提出了构建高效协同的数字政务体系的目标。在此背景下,政务数字人已成为深化“互联网+政务服务”、实现政府治理现代化的重要载体。
然而,现有的研究多集中于政务数字人在技术层面的进步与应用案例的探索,如广州的税务数字人“悦悦”、南昌的“小赣事”和昆山的“小花小桥”等,这些研究大多关注如何通过技术升级来提升政务服务的供给能力[3]。但在快速发展的政务数字人应用中,公众作为最终用户的接纳意愿对其推广和实际效果起着至关重要的作用。尽管政务数字人可以提供全天候的智能政务服务,突破时间和空间的限制,但如果公众对其应用的认知和接纳度不足,其潜在价值将难以充分实现。因此,探讨公众对政务数字人的接纳意愿及其影响因素,已成为当前数字政府研究中的一个重要且亟待解决的问题。
本研究基于期望一致理论(Expectation Confirmation Theory,ECT)和技术接受模型(Technology Acceptance Model,TAM),从用户感知的视角,深入分析政务数字人在公众接纳中的关键影响因素及其作用机制。与以往侧重技术发展的研究不同,本研究创新性地将公众接纳意愿作为核心切入点,试图揭示用户感知在推动政务数字人广泛应用中的重要作用,为数字政府的进一步发展提供理论支持和实践指导。通过构建影响因素模型,本研究旨在为有关部门在扩大政务数字人应用的公众辐射范围、优化服务内容及形式方面提供有力的参考依据。

1 文献回顾

1.1 政务数字人及其应用领域

政务数字人是利用先进的人工智能技术生成的虚拟人形形象,能够模拟人类行为,进行语言互动和情感表达,主要应用于提升政务服务的智能化和用户体验。与传统的政务办事一体机和政务智能应答机器人相比,政务数字人代表了一种更高级的政务服务形式,体现了技术与服务的深度融合[4]。具体而言,政务数字人不仅能够完成预设任务,还具备自然语言处理和情境理解能力,能够实时响应公众的多样化需求。
在政务数字人的支持下,用户可以通过与虚拟人的互动,轻松完成复杂的事务处理,并获得即时、有效的反馈。例如,广州的“悦悦”和南昌的“小赣事”政务数字人,能够提供包括政策咨询、法规解读、行政审批在内的多种服务,显著提升了政务服务的智能化和便捷性。
政务数字人的应用不仅限于中国,在全球范围内也得到了广泛应用。例如,新加坡政府推出的数字助理“Ask Jamie”,通过整合多个政府部门的资源,为公众提供一站式的政务信息查询和服务指引,简化了获取政务服务的流程[5]。在爱沙尼亚,虚拟助理“Suve”帮助公民在线办理各种政府服务,并提供多语言支持,提升了用户的使用便利性[6]。澳大利亚推出的“Digital Human Ellie”则专注于帮助残疾人士获取政府服务,Ellie通过自然语言交流提供个性化信息,极大提升了服务的可及性[7]

1.2 影响公众对政务数字人接纳意愿的因素

政务智能化的本质目的是增强公众需求的回应性[1]。因此对政务数字人而言,除了要回答政务服务供给的问题,还要考虑如何让公众接纳的问题。一方面,公众对智能化产品的接纳意愿受到用户的实际使用体验感知与使用预期的双重作用[8],建立在事后与事前的心理比较上。期望一致理论则为此种心理比较过程提供了解释框架。在信息技术领域,期望一致理论用于解释用户对电子信息系统的接纳意愿的影响,该理论认为用户的持续接纳意愿受用户满意度、期望一致程度以及感知有用性3个变量的影响[9]。其中,感知有用性和期望一致性共同影响用户满意度,用户接纳意愿又是感知有用性和满意度共同作用的结果,期望一致性会影响感知有用性的发挥[10]。ECT理论对解释用户的接纳意愿提供了一种用户心理比较视角,从而在各领域被广泛运用。
另一方面,公众对智能化产品的接受还受到其使用体验的影响,产品的有用性和易用性都会对其接纳意愿产生影响[11]。技术接受模型是在理性行动理论上发展而来的,旨在考察用户对于信息系统和信息技术的接受程度。该模型已被广泛应用于智能技术和服务的接纳意愿研究中,并经过多次修改和扩展,例如引入创新扩散[12]、经济负担、数据隐私[13]、信任[14]等因素。此外,将TAM与期望一致理论(ECT)结合,可以更全面地解释用户对信息系统或技术的接受和持续使用行为,例如:在在线学习平台持续使用意愿的研究中,感知有用性和满意度就被证实为重要影响因素[15]
综上,本研究认为政务数字人作为一项智能技术,公众的接纳意愿受到用户使用前的预期和使用结果的一致性比较的影响,同时作为一项满足公共利益的技术运用,公众对其接纳意愿还受到用户使用体验感知的影响。因此本研究将综合ECT和TAM两种理论,以两种理论中的公众满意度和感知有用性因素为连接桥梁,在此基础上扩展用户感知因素,构建影响公众对政务数字人接纳的综合模型。

2 研究假设

2.1 扩展的期望一致理论

2.1.1 期望一致、公众满意度和公众接纳意愿

根据期望一致理论,用户基于自身的认知和经验会对所使用的对象产生事先的预期,使用过后,用户会根据自身的真实体验对产品的表现进行评估,预先期望和实际感受之间就产生了不一致的判断[16]。当用户预期和实际体验感受相符的时候,出现期望一致(Expectation Conformation),当二者出现差距时,出现不一致(Disconfirmation)[17]。同样地,在使用政务数字人的时候,公众也会对使用该项服务所产生的使用前预期和使用后的感受进行比较判断从而形成一致和不一致的情况。相关研究表明,当用户的预先期望和实际的使用水平相一致时,用户从所接触的对象上就会获得较大的满足感,用户满意可以看作是期望与实践的比对在心理情感层面的投射[18]。当实际的使用体验达到或超过最初的预期时,用户满意就表现为愉悦、积极的感受;反之,当实际使用体验不合用户心意时,用户满意就表现为消极的、不悦的情感[19]
公众接纳意愿是公众根据自身的价值判断以及对所接触对象的认知形成的认可水平和接纳意愿[20]。ECT理论认为用户满意度对于公众的接纳意愿具有正向作用。公众对于政务数字人的接纳前提是其所提供的服务能让公众感到满意,如果公众对政务数字人持有不满意的态度,则这种心理状态就会驱动其终止对该项技术的使用[17,21]。因此本研究提出假设。
H1a:公众对政务数字人的期望一致正向影响其对政务数字人的满意度。
H1b:公众对政务数字人的满意度正向影响其对政务数字人的接纳意愿。

2.1.2 感知有用性

经典的ECT理论中包含的用户感知变量是感知有用性。感知有用性指的是用户所感知的使用目标产品或服务对自身需求的满足程度[22]。研究表明,用户对电子学习系统有用性的感知与其满意度呈正相关[10],且感知有用性还能直接促进用户的接纳意愿[12,23]。在政务数字人领域,当公众感知到政务数字人能够有效提升办事效率、降低办事成本时,他们对其满意度和接纳意愿也会随之提升,从而形成积极的使用态度。
此外,根据认知失调理论(Cognitive Dissonance Theory),当用户的预先期望或经验认知与实际使用结果不一致时,将产生认知失调[9]。为缓解认知失调,用户倾向于调整其对于目标产品的感知,使其更符合现实体验[11]。同样的,认知失调可能适用于与政务数字人使用相关的其他概念(即下文提到的感知吸引力、感知人格化、感知智能、感知信息质量、感知便利和人工智能信任)。因此本研究提出假设。
H2a:公众感知有用性正向影响公众对政务数字人的满意度。
H2b:公众感知有用性正向影响公众对政务数字人的接纳意愿。
H2c:期望一致会正向影响公众感知有用性。

2.1.3 外形特征:感知吸引力和感知人格化

期望一致理论(ECT)在解释用户对信息系统接纳意愿方面具有重要意义。然而,传统的ECT理论主要聚焦于感知有用性,未能全面涵盖用户对信息系统的多维体验。近年来,学者们对ECT理论进行了扩展,增加了诸如用户界面、感知趣味、感知安全和流畅度等因素,以更好地解释用户的接纳意愿[24]。其中,虚拟形象的感知吸引力和感知人格化对用户满意度和接纳意愿的影响尤为显著[25]
政务数字人作为面向公众服务的数字虚拟形象,其外形特征在用户接纳过程中扮演了关键角色。政务数字人通常具备类似人类的外形和性格特征,能够模拟真实的表情、动作和声音,这种逼真的互动体验有助于增强公众对其的信任和接纳度[26,27]。随着元宇宙技术的普及,数字虚拟形象越来越多地被运用于各种服务场景中,其人格化特征不仅简化了人机交互,还提升了服务的真实性和用户参与感[28]。研究表明,当用户感知到虚拟形象具有吸引力和人格化特征时,他们更倾向于接受和使用这些技术[29]
本研究基于已有的理论和实证研究,选取感知吸引力和感知人格化作为关键变量,以探讨这些外形特征对公众接纳政务数字人的影响。感知吸引力代表政务数字人形象和气质对公众的吸引力,而感知人格化则衡量政务数字人与真人的相似程度。因此本研究提出假设。
H3a:公众对政务数字人的感知吸引力正向影响公众对政务数字人的满意度。
H3b:期望一致会正向影响公众对政务数字人的感知吸引力。
H3c:公众对政务数字人的感知人格化正向影响公众对政务数字人的满意度。
H3d:期望一致会正向影响公众对政务数字人的感知人格化。

2.1.4 服务能力:感知智能、感知信息质量、感知便利

在服务能力上,作为公共服务的提供者,政务数字人的工作本质是要尽可能提供让公众满意的服务,回应公众的需求,这是其竞争优势的来源。感知智能主要取决于个人对人工智能应用的性能和能力的感知。一般来说,当智能体表现出解决问题、实现目标、推理、学习等特性时,人们就会感知到其智能性[16]。当用户认为接触对象具有较高的智能性时,将会对其服务能力抱有积极的态度,从而增进其接纳意愿。感知智能代表了政务数字人满足非结构化公众服务需求的可能性和专业性[30]。信息质量反应的是服务主体输出信息结果的优良程度,直接关系到公众对政务数字人的服务评估,准确、符合公众需求的信息输出结果对于构建高效的用户沟通至关重要,直击用户需求点的信息结果才会促成公众较高的满意度水平[31]。即便政务数字人的服务内容会随着服务场景发生迁移,但是高质量的信息输出是维持用户粘性的关键。感知便利是用户基于机会成本选择政务数字人而非其他服务主体的重要考虑因素。一方面,便利性直接减少了用户在寻找服务以及服务过程中消耗的时间、金钱、精力等成本,直接提升公众对于服务的满足感[32];另一方面,便利性还传达出公共服务的设计是以公众需求为出发的信号,体现服务为民的原则[33]。因此本研究提出假设。
H4a:公众对政务数字人的感知智能正向影响公众对政务数字人的满意度。
H4b:期望一致会正向影响公众对政务数字人的感知智能。
H4c:公众对政务数字人的感知信息质量正向影响公众对政务数字人的满意度。
H4d:期望一致会正向影响公众对政务数字人的感知信息质量。
H4e:公众对政务数字人的感知便利正向影响公众对政务数字人的满意度。
H4f:期望一致会正向影响公众对政务数字人的感知便利。

2.1.5 人机关系:人工智能信任

人机交互的体验性在日益增长的社会属性和意义中,已经开始具备类似真实人际交往的特性。公众在人工智能的使用和选择过程中,越来越重视对人工智能的信任,将其视为影响人机交互的关键因素[34]。透明度、可解释性、认证以及公众的知识和经验在构建人工智能信任方面起着重要作用[35,36]。公众对人工智能的信任不仅增加了其对目标服务的参与度,还提高了用户对服务的忠诚度[37]。此外,公众对人工智能的积极态度在提升服务满意度方面发挥着关键作用[16,38]。在类人化技术应用背景下,有学者提出了从能力、善良、真诚3个维度衡量用户的信任[39]。因此本研究提出假设。
H5a:人工智能信任能够正向影响公众对政务数字人的满意度。
H5b:期望一致会正向影响公众对政务数字人的人工智能信任。

2.2 技术接受模型

技术接受模型(TAM)指出,感知有用性和用户态度共同决定了用户对技术的使用行为,用户态度则反映了用户对服务表现的心理评价,本研究采用用户满意度来衡量用户对政务数字人的态度,因为满意度是态度的重要维度之一[40,41]。根据TAM理论,在其他条件相同的情况下,人们更倾向于实施对其抱有积极态度的行为[12],即在政务数字人的应用中,公众的满意度将影响其接纳意愿。同时,作为一种信念或感知,感知有用性在情感没有完全激活态度从而引发使用意图时,能够直接引起公众对技术的接纳意愿,因为这种有用性能够为其带来潜在的绩效提升激励[39]
感知易用性是指用户对目标产品或服务使用难易程度的预期评估[22]。它通过自我效率和工具性两种机制影响用户态度。自我效率涉及用户对自己使用技术的能力和信心,而工具性涉及用户对技术实现预期目标的效用感知。当用户感知政务数字人操作简便、易于上手时,他们会感到更加自信和高效,从而形成积极的用户体验和态度[11]。此外,感知易用性的提升能够直接影响感知有用性。易用性的改进能够节省用户的工作量,使他们能够用同样的努力完成更多的工作,从而提高用户对政务数字人有用性的感知[39]。感知有用性和易用性共同作用,直接提升公众的态度和接纳意愿[42]。同时,感知易用性也通过提升感知有用性,间接影响公众的态度和行为[43]。因此本研究提出假设。
H6a:公众感知易用性会正向影响公众感知有用性。
H6b:公众感知易用性会正向影响公众对政务数字人的满意度。
综上,本研究的研究假设和理论框架如图1所示。
图1 理论框架

Fig.1 Theoretical framework

Full size|PPT slide

3 研究设计

3.1 问卷设计

研究采用调查问卷的方式收集数据。问卷设计包含以下4个部分:①问卷说明,包含调研目的、基本要求及指导说明;②被试人口统计学信息收集,包括性别、年龄、文化程度以及对政务数字人的了解程度;③为了让被试更充分了解政务数字人的服务过程,要求被试观看两段前导视频:一段是江西南昌“小赣事”办理排水许可证的新闻报道,一段是向在声音、外形、动作等方面的高度拟人化的数字虚拟警察咨询业务的视频;④正式填写问卷,测量观测变量。

3.2 变量来源

本研究共涉及13个潜变量,自变量包括期望一致和感知易用性,中介变量包括感知信息质量、感知智能、感知吸引力、感知人格化、感知便利、人工智能信任、感知有用性和期望一致,因变量为接纳意愿。本研究借鉴成熟量表,采用李克特7点法(1=非常不同意,7=非常同意),剔除因子载荷小于0.6的题项,保留46道题(表1)。
表1 变量的测量题项及来源

Table 1 Measurement items and sources of variables

变量 题项 问题 来源
感知信息质量(IQ) IQ1 我认为政务数字人提供的信息是非常可信的 GHASEMAGHAEI和HASSANEIN[31]
IQ2 我认为政务数字人提供的信息是非常准确的
IQ3 我认为政务数字人提供的信息是丰富、完善且全面的
IQ4 我认为政务数字人提供的信息非常清晰明了
感知智能(PI) PI1 我认为政务数字人的专业能力很强,能够胜任政务咨询服务的工作 BALAKRISHNAN[30]
PI2 我认为政务数字人可以以一种更高效、智能的方式提供政务咨询服务
PI3 我认为政务数字人具备很好的政务服务能力
PI4 我认为政务数字人具备提供政务咨询服务的专业技能
感知吸引力(PA) PA1 我觉得政务数字人面部很有吸引力 FILIERIR等[44]
PA2 我觉得政务数字人被培养得很得体、很优雅
PA3 我喜欢政务数字人的外观
PA4 我认为政务数字人的形象对我而言是具有吸引力的
感知人格化(ANT) ANT1 我认为政务数字人的外貌和人类很像 HUANG和YU[16]
ANT2 我认为政务数字人的声音很自然
ANT3 我发现政务数字人在提供咨询服务时,肢体工作优雅大方,自然流畅
ANT4 我觉得政务数字人在回答问题时,面部表情非常生动自然
感知便利(PC) PC1 我觉得政务数字人的使用过程很方便 LIN[45]
PC2 我觉得政务数字人很有耐心,能让办事流程更为清晰,易懂
PC3 我觉得政务数字人能帮我快速获取想要的信息
人工智能信任(TR) TR1 我认为政务数字人与我的互动是有效且具有胜任力的 计纬等[34]
TR2 我认为政务数字人可以很好地发挥其角色作用
TR3 我认为政务数字人有能力,且业务熟练
TR4 我认为政务数字人对我的回答是诚实的
TR5 我认为政务数字人的服务真诚且真实
TR6 我认为政务数字人会以我的最大利益行事
变量 题项 问题 来源
感知有用性(PU) PU1 我觉得使用政务数字人有助于提高政务服务绩效或表现 BHATTACHERJEE[8]、DAVIS[39]
PU2 我觉得使用政务数字人有助于提高政务服务的办事效率
PU3 我觉得使用政务数字人能使得办理业务变得更快速迅捷
PU4 我觉得数字政务人能满足我的办事需求,对我帮助很大
PU5 总的来说,对于居民办事,我感觉政务数字人非常有用
感知易用性(PE) PE1 我感觉政务数字人的操作很简单 BHATTACHERJEE[8]、LANKTON[46]
PE2 我觉得学习使用政务数字人对我来说非常容易
PE3 我很自信能够快速学会并熟练使用政务数字人
PE4 总的来说,我认为政务数字人使用起来很容易
期望一致(CE) CE1 我觉得政务数字人比我想象的要自然流畅 BHATTACHERJEE[8]、HUANG和YU[16]
CE2 我觉得政务数字人的外貌形象比我想象的要逼真
CE3 我觉得政务数字人的工作表现比我预期的要好
CE4 总的来说,我对政务数字人的大部分期望都得到了证实
满意度(SAT) SAT1 我认为在政府政务大厅中使用政务数字人是一个明智的选择。 徐孝军等[47]、LI等[48]
SAT2 与政务数字人进行沟通交流时会让我感到满意
SAT3 我对政务数字人的工作表现感到满意
SAT4 比起人工服务,我更喜欢政务数字人为我提供咨询服务
SAT5 总的来说,政务数字人的服务是令人满意的
接纳意愿(CI) CI1 未来我继续使用政务数字人为我提供政务咨询服务的概率很高 ASHFAQ等[49]
CI2 如果有机会,我会向别人推荐使用政务数字人
CI3 未来我会尝试使用政务数字人获取更多相关政务信息

3.3 数据收集

课题组通过社交媒体平台(QQ、微信、豆瓣、小红书)及Credamo见数平台进行数据收集,每位通过质量检测的参与者可获得3元的奖励,最终收集了530份问卷。在数据质量控制上,课题组筛除存在以下情况的问卷:①响应时间过长(>2 100s)或过短(<300s);②连续出现多个题项选择相同;③在前导视频的质量筛查问题中选择错误选项。最终保留了501份问卷,问卷有效率达94.5%。如表2所示,在501名参与者中,有187名(37.3%)男性和314名(62.7%)女性,年龄分布集中在18~25岁(57.5%)及26~35岁(32.5%)。受调查者的文化程度较高,其中本科及以上学历人数为占88.3%。25.9%的参与者表示曾听说过,但不了解政务数字人,55.30%的参与者了解政务数字人。
表2 样本人口统计学特征

Table 2 Demographic characteristics of the sample

变量 类别 频率/人 百分比/%
性别 187 37.3
314 62.7
年龄 18岁以下 1 0.2
18~25岁 288 57.5
26~35岁 163 32.5
36~45岁 36 7.2
46~55岁 12 2.4
55岁以上 1 0.2
文化程度 高中及以下 18 3.6
大专 41 8.2
本科 350 69.9
硕士 89 17.8
博士 3 0.6
对政务数字人的了解程度 从来没有听说过 94 18.8
听说过,但不了解 130 25.9
有些了解 163 32.5
较为了解 93 18.6
非常了解 21 4.2

4 实证检验

4.1 信效度分析

使用SPSS27.0对所收集问卷进行信度、效度检验。信度是指测量结果的一致性、稳定性和可靠性。由表3可得知,各变量的Cronbach's α系数均大于0.7,且每个变量的组合信度(CR)均大于0.8,说明研究量表的信度较好。效度是指测量工具能够准确测量出所需要特质的程度。在探索性因子分析方面,各观测变量的题项标准化因子载荷均大于0.7,表明具有较好的结构效度,如表3所示;各个变量的平均方差提取(AVE)均大于等于0.5,说明测量模型具有较好的聚合效度,如表3所示;所有潜变量的AVE平方根均大于该潜变量与其他潜变量之间的相关系数,说明测量模型具有较好的区分效度,如表4所示。
表3 信度与聚合效度检验结果

Table 3 Reliability and convergent validity test results

变量 题项 标准化因子载荷 Cronbach's α CR AVE
感知信息质量(IQ) IQ1 0.848 0.796 0.872 0.630
IQ2 0.777
IQ3 0.735
IQ4 0.810
感知智能(PI) PI1 0.810 0.803 0.873 0.632
PI2 0.743
PI3 0.831
PI4 0.794
感知吸引力(PA) PA1 0.863 0.865 0.910 0.716
PA2 0.786
PA3 0.876
PA4 0.857
感知人格化(ANT) ANT1 0.723 0.835 0.880 0.648
ANT2 0.841
ANT3 0.809
ANT4 0.840
感知便利(PC) PC1 0.806 0.740 0.841 0.638
PC2 0.790
PC3 0.800
人工智能信任(TR) TR1 0.720 0.788 0.911 0.631
TR2 0.819
TR3 0.758
TR4 0.827
TR5 0.792
TR6 0.845
感知有用性(PU) PU1 0.702 0.850 0.880 0.722
PU2 0.760
PU3 0.809
PU4 0.799
PU5 0.788
感知易用性(PE) PE1 0.778 0.836 0.891 0.673
PE2 0.856
PE3 0.773
PE4 0.870
期望一致(CE) CE1 0.801 0.781 0.864 0.613
CE2 0.745
CE3 0.802
CE4 0.782
满意度(SAT) SAT1 0.742 0.811 0.877 0.588
SAT2 0.770
SAT3 0.801
SAT4 0.703
SAT5 0.814
接纳意愿(CI) CI1 0.820 0.753 0.860 0.672
CI2 0.821
CI3 0.819
表4 区分效度检验结果

Table 4 Discriminant validity test results

变量 AVE IQ PI PA ANT PC TR PU PE CE SAT CI
IQ 0.630 0.794
PI 0.632 0.704 0.795
PA 0.716 0.539 0.506 0.846
ANT 0.648 0.569 0.556 0.707 0.805
PC 0.638 0.632 0.686 0.514 0.498 0.799
TR 0.631 0.697 0.726 0.574 0.628 0.717 0.794
PU 0.722 0.637 0.632 0.483 0.478 0.711 0.706 0.850
PE 0.673 0.544 0.502 0.337 0.390 0.608 0.606 0.592 0.820
CE 0.613 0.602 0.629 0.652 0.703 0.635 0.729 0.645 0.501 0.783
SAT 0.588 0.630 0.692 0.562 0.607 0.702 0.704 0.712 0.576 0.737 0.767
CI 0.672 0.592 0.595 0.488 0.521 0.703 0.731 0.713 0.560 0.621 0.736 0.820
*注:对角线上的黑体数字为AVE的平方根

4.2 共同方法偏差

为了减少变量测量带来的共同方法偏差(CMV),本研究在问卷设计过程中进行了预调研,减少题项的歧义。同时,本研究还通过两种方法控制CMV问题。首先,本研究对收集的数据采用Harman单因素检验进行共同方法偏差的检验。未旋转的探索性因子分析结果提取出特征根大于1的因子共7个,最大因子方差解释率为38.558%,小于40%的标准;其次,课题组采用验证性因子分析,加入共同方法因子,把所有参与假设检验的量表题目一起进行单因子验证性因子分析,构建对比模型,比较原模型与对比模型的主要拟合指数。结果显示,新模型χ2/df=2.255,RMSEA=0.050,SRMR=0.01,CFI=0.9,NFI=0.835,RFI=0.819,IFI=0.901,TLI=0.890,ΔRMSEA及ΔSRMR不超过0.05的验证标准,ΔCFI与ΔTLI的变化不超过0.1的验证标准[50]。综上,本研究不存在严重的共同方法偏差。

4.3 假设检验

通过Amos Graphics 26.0软件构建结构方程模型,模型的拟合结果:χ2/df=2.578<3,RMSEA=0.059<0.08,SRMR=0.01<0.1,GFI=0.803≥0.8,AGFI=0.858≥0.8,CFI=0.901≥0.9,NFI=0.817≥0.8,RFI=0.801≥0.8,IFI=0.879≥0.8,TLI=0.968≥0.9,该模型的各个适配度指标均符合适配标准值[50],表明模型拟合度较好。
假设检验结果如表5所示。期望一致对满意度的路径系数为0.961(p<0.001),满意度对接纳意愿的路径系数为0.403(p<0.01),表明期望一致对满意度、满意度对接纳意愿存在显著正相关,H1a、H1b得到支持;感知有用性、感知吸引力、感知人格化、感知智能、感知信息质量、感知便利、人工智能信任、感知易用性对满意度的路径系数分别为:0.413、0.074、0.066、0.179、0.324、0.406、0.549、0.073,P值均小于0.05,表明对满意度均存在显著正向影响,H2a、H3a、H3c、H4a、H4c、H4e、H5a、H6b得到支持;期望一致对感知有用性、感知吸引力、感知人格化、感知智能、感知信息质量、感知便利、人工智能信任的路径系数分别为0.728、0.954、0.207、0.854、0.902、0.854,除期望一致对感知人格化的P值小于0.05外,其余P值均小于0.001,表明期望一致对上述变量存在显著正向影响,H2c、H3b、H3d、H4b、H4d、H4f、H5b得到支持;感知易用性对感知有用性,感知有用性对接纳意愿的路径系数为0.195、0.520,P值均小于0.001,支持H6a、H2b假设。整体结果如图2所示。
表5 结构方程模型检验结果

Table 5 Test results of the structural equation model

假设 假设路径 估计值 标准误 显著性 检验结果
H1a 期望一致→满意度 0.961 0.451 *** 成立
H1b 满意度→接纳意愿 0.403 0.151 ** 成立
H2a 感知有用性→满意度 0.413 0.071 *** 成立
H2b 感知有用性→接纳意愿 0.520 0.143 *** 成立
H2c 期望一致→感知有用性 0.728 0.054 *** 成立
H3a 感知吸引力→满意度 0.074 0.031 * 成立
H3b 期望一致→感知吸引力 0.960 0.075 *** 成立
H3c 感知人格化→满意度 0.066 0.024 * 成立
H3d 期望一致→感知人格化 0.954 0.032 * 成立
H4a 感知智能→满意度 0.179 0.091 * 成立
H4b 期望一致→感知智能 0.207 0.082 *** 成立
H4c 感知信息质量→满意度 0.324 0.091 *** 成立
H4d 期望一致→感知信息质量 0.854 0.059 *** 成立
H4e 感知便利→满意度 0.406 0.190 * 成立
H4f 期望一致→感知便利 0.902 0.061 *** 成立
H5a 人工智能信任→满意度 0.549 0.275 * 成立
H5b 期望一致→人工智能信任 0.854 0.054 *** 成立
H6a 感知易用性→感知有用性 0.195 0.034 *** 成立
H6b 感知易用性→满意度 0.073 0.028 ** 成立
*注:***、**、*分别代表P<0.001,P<0.01,P<0.05
图2 结构方程模型假设检验

Fig.2 Hypothesis testing of the structural equation model

Full size|PPT slide

4.4 路径分析:链式中介效应

本研究将采取多次重复抽样的非参数Bootstrap方法,利用SPSS中的PROCESS Module 6分别对8个路径进行链式中介效应检验,同时加入性别、年龄、受教育水平、政务数字人熟悉程度作为控制变量。重复进行5 000次抽样后,若95%的置信区间内不存在0,则说明中介效应显著[47]
检验结果如表6所示,除去路径5以外,其余7条路径都存在链式中介效应,说明公众的期望一致能够通过影响感知信息质量(IQ)、感知智能(PI)、感知便利(PC)、感知吸引力(PA)、人工智能信任(TR)以及感知有用性(PU),提升公众对政务数字人的满意度,从而增强其接纳意愿,公众对政务数字人的感知人格化不存在这种链式中介机制。政务数字人的服务能力、外形特征以及人机关系都会作为中介因素,影响公众的接纳意愿。值得注意的是,在这7条显著的链式路径中,除了感知吸引力路径以外,存在期望一致促进公众感知信息质量(IQ)、感知智能(PI)、感知便利(PC)、人工智能信任(TR)以及感知有用性(PU),从而直接促进公众对政务数字的接纳意愿提升的机制。此外,在前7条路径中,都存在“期望一致-公众满意度-接纳意愿”的中介机制,和ECT理论的基本结论相符合。最后,路径8还表明公众的感知易用性通过强化对政务数字人的感知有用性,进而促进公众的满意度提升,最终促成对政务数字人的接纳,该结论符合TAM的观点。
表6 链式中介效应

Table 6 Serial mediation effects

序号 中介变量 路径 间接效应 Boot S.E. 95%CI 中介效应
下限 上限
1 感知信息质量、公众满意度 CE→IQ→CI 0.109 0.033 0.050 0.177
CE→SAT→CI 0.302 0.042 0.221 0.385
CE→IQ→SAT→CI 0.081 0.020 0.046 0.125
2 感知智能、公众满意度 CE→PI→CI 0.072 0.030 0.013 0.131
CE→SAT→CI 0.249 0.038 0.177 0.328
CE→PI→SAT→CI 0.101 0.023 0.061 0.149
3 感知便利、公众满意度 CE→PC→CI 0.191 0.041 0.111 0.271
CE→SAT→CI 0.215 0.032 0.154 0.278
CE→PC→SAT→CI 0.116 0.025 0.070 0.168
4 感知吸引力、公众满意度 CE→PA→CI 0.035 0.031 -0.025 0.096
CE→SAT→CI 0.344 0.048 0.252 0.440
CE→PA→SAT→CI 0.045 0.021 0.008 0.088
5 感知人格化、公众满意度 CE→ANT→CI 0.033 0.033 -0.031 0.098
CE→SAT→CI 0.359 0.051 0.264 0.463
CE→ANT→SAT→CI 0.033 0.022 -0.009 0.077
6 人工智能信任、公众满意度 CE→TR→CI 0.222 0.040 0.144 0.302
CE→SAT→CI 0.167 0.030 0.110 0.228
CE→TR→SAT→CI 0.146 0.029 0.092 0.205
7 感知有用性、公众满意度 CE→PU→CI 0.312 0.051 0.211 0.410
CE→SAT→CI 0.100 0.025 0.055 0.152
CE→PU→SAT→CI 0.101 0.028 0.051 0.160
8 感知有用性、公众满意度 PE→PU→CI 0.247 0.046 0.159 0.340
PE→SAT→CI 0.043 0.014 0.020 0.072
PE→PU→SAT→CI 0.112 0.029 0.059 0.173

5 结论与启示

5.1 研究结论

本研究将期望一致理论(ECT)和技术接受模型(TAM)相结合,基于政务数字人技术,从用户感知及用户满意度的视角进行剖析,引入感知信息质量、感知智能、感知吸引力、感知人格化、感知便利、人工智能信任核心变量,搭建结构方程模型,深入研究了影响公众对政务数字人的接纳意愿的影响因素和路径。
(1)研究结果表明,期望一致性、感知有用性和用户满意度是影响公众接纳政务数字人的关键因素。期望一致性对满意度具有显著的正向影响,当公众对政务数字人的实际体验与其期望相符时,他们的满意度更高,这与先前的研究一致[21-24]。此外,满意度与接纳意愿之间存在显著的正向关联,表明良好的用户体验能显著提高公众的持续使用意愿和推广积极性[10,11]
(2)感知有用性对满意度和接纳意愿有显著的正向影响,且对满意度的促进作用尤为突出。公众若认为政务数字人能够有效提升服务效率和质量,他们的满意度和接纳意愿会大幅提升,这进一步强调了技术效用在政务数字人领域的重要性[12]。同时,研究还发现,期望一致性对感知有用性也有显著的正向影响,这表明公众的期望在形成对政务数字人认知的过程中起到了重要作用。此外,感知有用性在期望一致性对满意度的影响路径中扮演了中介角色,进一步验证了政务数字人在提升政务服务中的独特价值[11]
(3)研究发现,政务数字人的外形特征对公众满意度和接纳意愿有显著影响。具体而言,期望一致性对感知人格化和感知吸引力有明显的正向影响,而感知人格化和感知吸引力又显著提升了用户的满意度。已有研究表明,在虚拟新闻主播领域,虚拟形象在外观和性格上与人类的相似度越高,公众的接受度也越高[16]。同样地,当政务数字人的人格化特质契合公众对政府服务的期望时,其使用体验会显著增强。
(4)在政务数字人的形象设计中,增加个性化、拟人化的元素将有助于满足公众的情感需求,增强对该技术工具的接受意愿。特别是在政务服务领域,公众对数字人的第一印象(如外观设计和形象吸引力)在很大程度上决定了其是否愿意进一步了解和使用这项技术[30]。此外,感知吸引力在期望一致性与满意度之间起到了中介作用,这进一步突显了政务数字人在形象设计方面的重要性及其在政务服务中的独特价值。
(5)政务数字人的服务能力直接关系到公众满意度的提升,并进一步影响公众的接纳意愿。在服务能力方面,期望一致显著影响公众对感知智能、感知信息质量和感知便利性的评价,而这些因素又显著提升了公众的满意度。首先,政务数字人的智能化程度直接决定了其服务质量,因此,提升其智能交互能力至关重要。这不仅需要在技术层面进行创新,还需优化用户操作界面和服务流程,以确保系统的高效性和易用性[30]。其次,信息的准确性、及时性和全面性是影响公众期望和满意度的关键因素。当政务数字人提供的信息符合公众预期时,他们的满意度也会相应提高。最后,便利性是评估政务服务质量的重要标准之一,政务数字人在操作上的便利性越高,公众的使用体验就越顺畅。
(6)研究还发现,感知智能、信息质量和便利性在期望一致性与满意度之间起到链式中介作用,这表明政府在推进数字化转型时,应以公众需求为导向,提供方便、智能、高效的数字化服务,切实落实“一件事一次办”的理念[6]
(7)公众对人工智能的信任是提升满意度的关键路径。在人机关系方面,期望一致对人工智能信任有显著的正向影响,而这种信任又能显著促进公众的满意度。然而,隐私安全问题是影响公众信任人工智能的主要障碍。公众更关心的是人工智能是否会侵犯他们的隐私,而非其智能程度[44]。当用户感知到数据泄露风险时,他们对人工智能的使用意愿会显著降低[43]。本质上,公众对政务数字人的信任,实际上是对人工智能技术的信任。此外,人工智能信任还在期望一致性对接纳意愿的影响过程中充当了中介变量。
(8)感知易用性显著增强了公众对政务数字人的有用性感知,并进一步提升了满意度。与人机交互领域的经典理论相一致,易用性通常被视为用户体验的基础。易于使用的系统更容易被公众接受和掌握,从而带来更积极的体验[12]。在政务数字人的设计和开发中,强调易用性不仅有助于提高操作效率,还直接影响公众对政务数字人的整体认可度。

5.2 管理启示

本研究从公众需求的视角出发,探讨了公众为什么接纳、如何接纳政务数字人的问题,丰富并完善了政务数字化和智能化的研究体系。在理论框架上,本研究不仅整合了期望一致理论和技术接受模型,还通过外形特征(如感知吸引力和感知人格化)、服务能力(包括感知信息质量、感知智能和感知便利)以及人机关系(如人工智能信任)3个维度扩展了现有理论,为理解公众接纳政务数字人提供了更加全面的理论视角。
随着人工智能深度嵌入数字政务,为避免政务服务供需不匹配、减少数字鸿沟、避免政务数字人沦为“机器花瓶”等问题,政府相关部门应从以下4个方面提升公众对政务数字人的接纳意愿。
(1)优化政务数字人的功能与外形设计。政务数字人的核心任务是提供高效、准确的政务服务。为此,政府应着重提升其在政策解读、法规咨询、行政审批等关键领域的服务能力。同时,通过融合元宇宙技术,将政务数字人设计得更加拟人化,使其形象和语调更加亲切,提升公众使用体验和满意度。
(2)降低政务数字人的操作难度。政务数字人应具备简便易用的特性,特别是针对数字技能较低的用户群体。通过开发简洁的服务界面、提供语音和文字操作指导,并考虑弱势群体的特殊需求,确保所有用户都能轻松获取政务服务。
(3)强化隐私安全措施,提升公众信任。隐私和数据安全是公众接纳政务数字人的关键因素。政府必须建立高标准的数据保护机制,明确各部门的责任,通过透明的隐私政策和强大的数据加密技术,消除公众对隐私泄露的担忧,增强对政务数字人的信任。
(4)为年轻群体提供定制化体验。鉴于年轻群体对新技术的高接受度,政务数字人应在功能上引入创新元素,如游戏化体验和社交互动功能。此外,将政务数字人整合到微信小程序、抖音、微博等年轻人常用的平台上,提升服务可及性,增加其使用频率,从而进一步提高政务服务的效率。

参考文献

1
中华人民共和国中央人民政府. 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL]. [2021-03-13].
2
中华人民共和国中央人民政府. 数字中国建设整体布局规划[EB/OL]. [2023-02-27].
3
刘玮. ChatGPT类生成式人工智能嵌入数字政府建设: 可供、限制与优化——基于技术可供性视角[J]. 情报理论与实践, 2023, 46(10): 69-76.
LIU W. Embedding ChatGPT-like generative artificial intelligence in digital government construction: Affordances, constraints, and optimization - A perspective based on technological affordance[J]. Information studies: Theory & application, 2023, 46(10): 69-76.
4
SESTINO A, D'ANGELO A. My doctor is an avatar! The effect of anthropomorphism and emotional receptivity on individuals' intention to use digital-based healthcare services[J]. Technological forecasting and social change, 2023, 191: 122505.
5
NI M Q. Digital participation for inclusive growth: A case study of Singapore's collaborative digital governance model[M]//The Urban Book Series. Cham: Springer International Publishing, 2022: 323-337.
6
KATTEL R, MERGEL I. Estonia's digital transformation: Mission mystique and the hiding hand[M]//Great Policy Successes. Cambridge, UK: Oxford University Press, 2019: 143-160.
7
TWEED A. From Eliza to Ellie: the evolution of the AI therapist[EB/OL]. [2019-09-12].
8
BHATTACHERJEE A. An empirical analysis of the antecedents of electronic commerce service continuance[J]. Decision support systems, 2001, 32(2): 201-214.
9
BHATTACHERJEE A. Understanding information systems continuance: An expectation-confirmation model[J]. MIS quarterly, 2001, 25(3): 351.
10
LEE M C. Explaining and predicting users' continuance intention toward e-learning: An extension of the expectation–confirmation model[J]. Computers & education, 2010, 54(2): 506-516.
11
GUPTA A, DHIMAN N, YOUSAF A, et al. Social comparison and continuance intention of smart fitness wearables: An extended expectation confirmation theory perspective[J]. Behaviour & information technology, 2021, 40(13): 1341-1354.
12
YUEN K F, CAI L H, QI G Q, et al. Factors influencing autonomous vehicle adoption: An application of the technology acceptance model and innovation diffusion theory[J]. Technology analysis & strategic management, 2021, 33(5): 505-519.
13
HUARNG K H, YU T H K, LEE C F. Adoption model of healthcare wearable devices[J]. Technological forecasting and social change, 2022, 174: 121286.
14
OENTORO W. Mobile payment adoption process: A serial of multiple mediation and moderation analysis[J]. The bottom line, 2021, 34(3/4): 225-244.
15
YE J H, LEE Y S, WANG C L, et al. The continuous use intention for the online learning of Chinese vocational students in the post-epidemic era: The extended technology acceptance model and expectation confirmation theory[J]. Sustainability, 2023, 15(3): 1819.
16
HUANG Y K, YU Z Y. Understanding the continuance intention for artificial intelligence news anchor: Based on the expectation confirmation theory[J]. Systems, 2023, 11(9): 438.
17
赵雪芹, 刘雅宁. 在线视频用户关闭弹幕的影响因素研究[J]. 新闻与传播评论, 2018, 71(5): 16-26.
ZHAO X Q, LIU Y N. A study on the factors influencing online video users to turn off Danmaku[J]. Journalism & communication review, 2018, 71(5): 16-26.
18
STONE R W, BAKER-EVELETH L. Students' expectation, confirmation, and continuance intention to use electronic textbooks[J]. Computers in human behavior, 2013, 29(3): 984-990.
19
OGHUMA A P, LIBAQUE-SAENZ C F, WONG S F, et al. An expectation-confirmation model of continuance intention to use mobile instant messaging[J]. Telematics and informatics, 2016, 33(1): 34-47.
20
李望平, 苏冬燕, 陈晓星, 等. 基于技术接受模型和计划行为理论的内陆核电站重启公众接受度研究[J]. 科技管理研究, 2023, 43(1): 171-180.
LI W P, SU D Y, CHEN X X, et al. Study on public acceptance of restart of inland nuclear power plants based on technology acceptance model and theory of planned behavior[J]. Science and technology management research, 2023, 43(1): 171-180.
21
TAM C, SANTOS D, OLIVEIRA T. Exploring the influential factors of continuance intention to use mobile Apps: Extending the expectation confirmation model[J]. Information systems frontiers, 2020, 22(1): 243-257.
22
吴晓波, 张伟齐, 李思涵, 等. 基于技术接受模型(TAM)的智能投资顾问用户采纳意愿链式影响机制研究[J]. 浙江大学学报(人文社会科学版), 2023, 53(7): 5-19.
WU X B, ZHANG W Q, LI S H, et al. A sequential mediation model of the factors influencing the user adoption of robo-advisor: A technology acceptance model (TAM) perspective[J]. Journal of Zhejiang University (humanities and social sciences), 2023, 53(7): 5-19.
23
KAMAL S A, SHAFIQ M, KAKRIA P. Investigating acceptance of telemedicine services through an extended technology acceptance model (TAM)[J]. Technology in society, 2020, 60: 101212.
24
RAHI S, GHANI M ABD. Integration of expectation confirmation theory and self-determination theory in Internet banking continuance intention[J]. Journal of science and technology policy management, 2019, 10(3): 533-550.
25
庞洋. 生成式人工智能嵌入数字政府建设的系统性分析[J]. 学术交流, 2023(8): 148-162.
PANG Y. Systematic analysis of generative artificial intelligence embedded in digital government construction[J]. Academic exchange, 2023(8): 148-162.
26
杨舒文, 包林. 数字媒体艺术中的虚拟性身体形象建构[J]. 中国高校社会科学, 2023(4): 133-141.
YANG S W, BAO L. Construction of virtual body image in digital media art[J]. Social sciences in Chinese higher education institutions, 2023(4): 133-141.
27
LI J, HUANG J S, LI Y Q. Examining the effects of authenticity fit and association fit: A digital human avatar endorsement model[J]. Journal of retailing and consumer services, 2023, 71: 103230.
28
刘斌, 崔茉琳. ChatGPT时代的虚拟数字人: 拟主体对人类认知与行为的中介[J]. 西南民族大学学报(人文社会科学版), 2023, 44(11): 126-132.
LIU B, CUI M L. Virtual digital humans in the ChatGPT era: The mediating role of quasi-subjects on human cognition and behavior[J]. Journal of southwest Minzu university (humanities and social science), 2023, 44(11): 126-132.
29
BLUT M, WANG C, WÜNDERLICH N V, et al. Understanding anthropomorphism in service provision: A meta-analysis of physical robots, chatbots, and other AI[J]. Journal of the academy of marketing science, 2021, 49(4): 632-658.
30
BALAKRISHNAN J, ABED S S, JONES P. The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services?[J]. Technological forecasting and social change, 2022, 180: 121692.
31
GHASEMAGHAEI M, HASSANEIN K. Online information quality and consumer satisfaction: The moderating roles of contextual factors – A meta-analysis[J]. Information & management, 2015, 52(8): 965-981.
32
李桥. 高速铁路旅客感知便利性对旅客满意和忠诚的影响研究[J]. 铁道学报, 2021, 43(6): 1-7.
LI Q. Effects of perceived service convenience of high-speed railway passengers on passenger satisfaction and loyalty[J]. Journal of the China railway society, 2021, 43(6): 1-7.
33
汤志伟, 龚泽鹏, 韩啸, 等. 公众对智能政务服务和人工政务服务的感知与选择——基于调查实验的研究发现[J]. 电子政务, 2023(9): 105-116.
TANG Z W, GONG Z P, HAN X, et al. Public perception and choice between intelligent government services and human government services: Findings from a survey experiment[J]. E-Government, 2023(9): 105-116.
34
计纬, 戚海峰, 费鸿萍. 智能助手对消费者的推荐说服机制研究——基于社会角色视角[J/OL]. 南开管理评论, 2024: 1-23.
JI W, QI H F, FEI H P. A study on the persuasive mechanism of recommendations by intelligent assistants: Based on the social role perspective[J/OL]. Nankai business review, 2024: 1-23.
35
BEDUÉ P, FRITZSCHE A. Can we trust AI? An empirical investigation of trust requirements and guide to successful AI adoption[J]. Journal of enterprise information management, 2022, 35(2): 530-549.
36
YIGITCANLAR T, DEGIRMENCI K, INKINEN T. Drivers behind the public perception of artificial intelligence: Insights from major Australian cities[J]. AI & society, 2022: 1-21.
37
CHEN Y, PRENTICE C, WEAVEN S, et al. The influence of customer trust and artificial intelligence on customer engagement and loyalty - The case of the home-sharing industry[J]. Frontiers in psychology, 2022, 13: 912339.
38
HSIAO K L, CHEN C C. What drives continuance intention to use a food-ordering chatbot? An examination of trust and satisfaction[J]. Library hi tech, 2022, 40(4): 929-946.
39
DAVIS F D, BAGOZZI R P, WARSHAW P R. User acceptance of computer technology: A comparison of two theoretical models[J]. Management science, 1989, 35(8): 982-1003.
40
HWANG J, CHOE J Y, KIM H M, et al. Human baristas and robot baristas: How does brand experience affect brand satisfaction, brand attitude, brand attachment, and brand loyalty?[J]. International journal of hospitality management, 2021, 99: 103050.
41
NA S, HEO S, CHOI W, et al. Firm size and artificial intelligence (AI)-based technology adoption: The role of corporate size in South Korean construction companies[J]. Buildings, 2023, 13(4): 1066.
42
刘春明, 王丹, 周杨. 高校教师移动学习平台信息采纳行为研究[J]. 情报科学, 2024, 42(2): 109-118.
LIU C M, WANG D, ZHOU Y. A study on university teachers' adoption behavior of mobile learning platform information[J]. Information science, 2024, 42(2): 109-118.
43
朱哲慧, 袁勤俭. 技术接受模型及其在信息系统研究中的应用与展望[J]. 情报科学, 2018, 36(12): 168-176.
ZHU Z H, YUAN Q J. Technology acceptance model and its application and prospect in the field of information system[J]. Information science, 2018, 36(12): 168-176.
44
FILIERI R, ACIKGOZ F, LI C Y, et al. Influencers' “organic” persuasion through electronic word of mouth: A case of sincerity over brains and beauty[J]. Psychology & marketing, 2023, 40(2): 347-364.
45
LIN C Y. Perceived convenience retailer innovativeness: How does it affect consumers?[J]. Management decision, 2016, 54(4): 946-964.
46
LANKTON N, MCKNIGHT D H, THATCHER J B. Incorporating trust-in-technology into expectation disconfirmation theory[J]. The journal of strategic information systems, 2014, 23(2): 128-145.
47
许孝君, 程光辉, 钱丹丹, 等. 数字经济下旅游商务网站信息生态链运行机制对用户感知的影响研究[J]. 情报科学, 2023, 41(9): 78-86.
XU X J, CHENG G H, QIAN D D, et al. The influence of the operation mechanism of the information ecological chain of tourism business websites on user perception under the digital economy[J]. Information science, 2023, 41(9): 78-86.
48
LI L, LEE K Y, EMOKPAE E, et al. What makes you continuously use chatbot services? Evidence from Chinese online travel agencies[J]. Electronic markets, 2021, 31(3): 575-599.
49
ASHFAQ M, YUN J, YU S B, et al. I, Chatbot: Modeling the determinants of users' satisfaction and continuance intention of AI-powered service agents[J]. Telematics and informatics, 2020, 54: 101473.
50
毕达天, 张雪, 米艳霖, 等. 算法感知视角下跨平台信息推荐用户接纳意愿研究[J]. 图书情报工作, 2023, 67(21): 100-110.
BI D T, ZHANG X, MI Y L, et al. A study on user acceptance intention of cross-platform information recommendations from the perspective of algorithm perception[J]. Library and information service, 2023, 67(21): 100-110.

基金

国家社会科学基金重大项目“基于数智融合的信息分析方法创新与应用研究”(22&ZD326)
PDF(1153 KB)

107

Accesses

0

Citation

Detail

段落导航
相关文章

/