儿童与老人对机器人的理解不同
别名: 儿童机器人理解 · older-adult robot mental model · animism
概念解释
儿童和老年人对机器人形成的心智模型（mental model）与一般成年用户系统性不同，不能拿同一套关于"用户会怎么理解这个机器人"的假设去设计面向这两类人群的交互。这种差异体现在：机器人是不是"活的"、有没有感觉、能做到什么程度、会不会记住或泄露隐私信息、以及用户自己有没有能力控制或拒绝它。
机制
儿童这一侧的机制来自发展心理学里的泛灵倾向（animism）——儿童在特定认知发展阶段会把会自主运动、会说话、会对自己做出回应的物体判断为"有生命的"或"有感觉的"，这不是"分不清真假"这种笼统说法能概括的，而是有具体年龄阶段和判断依据的认知发展现象：判断依据通常是运动是不是自发的、有没有对儿童的动作做出恰当回应。这解释了为什么儿童更容易对机器人产生超出设计者预期的情感投入或者恐惧反应——他们不是在"假装相信"，而是认知系统本身还没有完全区分开有生命物和无生命物这两个类别。
老年人这一侧的机制则更多来自技术经验和心智模型的差异，而不是认知发展。相当一部分老年用户缺乏"这是一套编程规则在起作用"这个默认假设，遇到机器人做出类人反应时更容易把它归因于类人的意图而不是程序逻辑；同时也可能因为不熟悉这类交互范式，反而低估机器人实际能做到的事情。这两种归因偏差可能同时出现在同一个人身上——既高估机器人的"意图"，又低估它的"能力"。拟人化程度、语言风格和长期反复接触会同时改变两类人群的判断，但方向不一定相同：儿童可能随着反复接触逐渐把机器人重新归入"玩具"这一类；老年用户则可能随着熟悉程度提高而校正最初的意图归因，但这个校正过程完全可能停在半途，留下一部分误解长期存在。
怎么研究
儿童这一侧的研究常用访谈或行为任务考察儿童对机器人"活着吗""有没有感觉""应该被怎么对待"的判断，并且按年龄分组做比较，因为泛灵倾向随年龄增长会系统性减弱。老年人这一侧常用可用性测试配合访谈，考察技术经验和先验期望具体如何影响老年用户对机器人行为的归因和信任程度，比如让被试预测机器人下一步会做什么，再和实际行为对比，看预测误差的方向。此外可以用教回法（teach-back）——请被试用自己的话复述机器人能感受什么、能记住什么、遇到问题该怎么处理——来检验理解是不是真的建立起来了，而不是被试出于礼貌给出的"我懂了"掩盖了实际存在的误解，教回法比直接提问更能暴露具体哪个环节没有被正确理解。
边界
这条描述的是群体层面的统计规律，不是所有儿童或所有老年人都会如此——一部分儿童清楚知道机器人是机器，却仍然愿意投入角色扮演；一部分老年用户本身技术经验丰富，归因方式和年轻用户没有明显差别，个体差异完全可能大于组间的平均差异。另外，泛灵倾向会随儿童年龄增长而减弱，不能用同一套假设覆盖学龄前到青春期的整个跨度，面向6岁和面向14岁儿童的设计假设不应该相同。老年人群体内部的差异同样不能被简化成"年龄越大越不懂技术"：听力、视力和认知功能的个体差异，往往比年龄本身对判断的影响更大，而这些差异需要用独立的评估工具去识别，不能从年龄反推，也不能靠家属代为判断替代用户本人的理解水平。
怎么落地
面向儿童和老年用户的社交机器人，在设计情感表达和拟人化程度时要单独为该人群做可用性测试，不能直接照搬面向一般成年用户测出的结论。验证办法是分年龄段做访谈或行为观察，专门检查用户是不是对机器人的能力或"心智"产生了超出实际的归因——比如问儿童"它会不会因为你不理它而难过"，问老年用户"它记不记得你上次说的话"；一旦发现明显的归因偏差，应该在交互设计里加入澄清性的反馈或者主动降低相应线索的强度，而不是放任这种误解存在。