《感知系统好奇心量表（PSC）的开发与验证：测量用户对系统的感知好奇心》

研究背景与问题

• 发现的问题或挑战
  当前的技术系统（如机器人和语音助手）已经能够展示出类似于人类的好奇行为。然而，目前并没有已经标准化的量表来测量用户对系统好奇心的感知，导致无法系统地研究用户如何看待系统的好奇行为以及这种行为如何影响人机交互。

• 重要性
  好奇心是一种重要的特质，可以促进学习和社交连接。人们通常认为具有好奇行为的系统可以提供更自然、透明的交互，增进用户信任并提升整体功能。因此，研究和量化用户对系统好奇心的感知，对设计更有效、更人性化的技术非常重要。

• 研究动机
  尽管已有一些研究探讨了好奇行为在机器人系统中的应用，但这些研究常常使用非标准化的、自定义的问题。其他研究则直接借鉴人类好奇心的测量问卷，而这些并不能准确反映用户感知的系统好奇心。因此，制定专门针对系统的感知好奇心测量工具变得必要。

解决方案

• 提出的方法或解决方案
  作者提出了一种名为"Perceived System Curiosity"（PSC）的量表，用于测量用户对系统好奇性的感知。PSC 包含三个子量表，分别评估探索性（Explorative）、调查性（Investigative）以及社交性（Social）的好奇心维度。

• 创新之处

  1. 全新领域：PSC 是第一个用于测量用户对技术系统好奇心感知的标准化量表。
  2. 多维度测量：该量表提出了三个不同维度的好奇心（探索性、调查性、社交性），使得好奇心的感知能够更加细致和全面地得到衡量。
  3. 串联理论与应用：量表的构建融合了人类心理学关于好奇心的理论，同时将其转化为适用于技术系统的可观测行为。

• 实施步骤与关键技术

  1. 项目生成
     • 通过广泛的文献综述与概念模型，定义并生成831项初始问题。
     • 问题通过重复性、高相关性过滤，归并为189项。
  2. 项目验证
     • 通过9位领域专家在线评估，初筛出82道相关性问题。
     • 在之后的专家研讨中进一步缩减为64项，同时重新措辞一些问题。
  3. 实验测试
     • 使用16种场景（包含好奇与非好奇系统场景），通过在线问卷收集400名用户对问题的反应。
     • 通过探索性因素分析（EFA），筛选出22道问题并确定3个因子结构。
  4. 量表验证
     • 通过320名用户的确认性因素分析（CFA），进一步修订为最终的12项量表。
     • 验证量表的结构效度、内部一致性以及测量稳定性。

研究成果

• 具体成果

  1. 成功开发并验证了一种包含12道题（分布于三个子量表）的"Perceived System Curiosity"（PSC）量表。
  2. 每个子量表分别用于测量系统的探索性、调查性以及社交性好奇心。
  3. 实验结果显示量表具有高内部一致性（总 Cronbach’s α=0.92），并通过多种效度验证步骤，显示其测量维度的科学性和稳定性。

• 与现有方案的优势

  1. 填补了现有研究中缺乏标准化量表的空白，使得对于系统的好奇心测量更加系统和可比。
  2. 结果清晰地表明探究性和社交好奇性是用户感知中独立但相关的维度，进一步细化了好奇心的概念。

• 实验或评估结果

  1. 用户对好奇系统的得分显著高于非好奇系统，表明量表可以有效分辨不同好奇性水平的系统。
  2. 确认的三个因子结构分别指示了不同维度的好奇心，并与相关理论现有模型（如社会智力量表）具有显著的收敛效度。

• 局限性与未来方向

  1. 局限性：
     • 当前研究主要基于在线调查结果，样本来源可能存在一定的选择偏差。
     • 量表在其构建过程中，未包括反向编码项，可能导致响应偏倚。
     • 基于人类好奇心理论生成量表问题，其对系统行为的适应性仍需进一步验证。
  2. 未来方向：
     • 在更多样化的人群以及交互环境中验证量表的外部效度。
     • 探讨用户感知的系统好奇心如何影响交互体验与用户任务完成效率。
     • 开发适用于特定场景的系统好奇优化方法或设计指导原则。

总结

这项研究通过探索和提出专门的"Perceived System Curiosity"量表，不仅填补了用户感知领域的空白，也为未来设计更智能、更人性化的系统奠定了基础。在实际应用中，该量表能够帮助设计师和研究者更有针对性地评估和优化系统行为与用户体验之间的关系。