关爱是否导致纽带形成？探索人类对机器人关爱与人机纽带关系之间的关系

研究背景与问题

• 发现的问题或挑战： 现有研究主要聚焦于机器人对人类的关怀，认为关怀行为有助于建立人类-机器人关系。但相较于机器人向人类提供关怀，反向的场景（即人类对机器人的关怀）尚未被充分研究。这留下一个重要的知识空白，即人类对机器人的关怀行为是否能有效促进人类-机器人关系及其具体机制未知。

• 问题的重要性： 在日常生活、医疗和教育等需要长期互动的场景中，人类对机器人的情感连接可以提高用户接受度、增加服务机器人使用的频率，并潜在地缓解孤独和压力。同时，建立强大的人机关系还能延长机器人技术的情感与实际寿命，支持可持续的社会发展。

• 研究动机与相关工作： 尽管人类对人类、动物和物品的关怀行为经常会带来情感连接（如“关怀效应”），但在机器人互动中的具体情境及效果仍存在矛盾或不足的实证研究结果。此外，对于关怀行为的类型（情感型vs工具型）的区分及其对人类-机器人关系的影响尚未被明确检验。

解决方案

• 提出的方法或解决方案： 作者通过设计实验，研究人类在机器人互动中的两类关怀行为（情感型和工具型）的影响。具体来说，参与者会对社会机器人提供情感关怀（如安慰机器人）或工具关怀（如帮助机器人充电），并通过显性和隐性指标评估人机关系的强度。

• 解决方案的创新之处：

  1. 系统地区分了情感型与工具型关怀对人机关系的影响，填补现有研究空白。
  2. 引入隐性指标（如替换不情愿度和行为依从性），以补充传统基于主观问卷的显性测量方法。
  3. 将“关怀行为-人际关系”的经典理论模型拓展到人机交互领域，并设计出有效的实验范例。

• 实施步骤与关键技术：

  1. 实验设计：
     • 88名参与者完成三轮游戏，机器人在游戏中表现失败并请求参与者提供关怀：情感关怀（如安慰）或工具关怀（如充电）。控制组中机器人未请求任何关怀。
  2. 测量指标：
     • 显性指标：如亲近感、社会吸引力、未来互动意向等，通过问卷主观评分收集。
     • 隐性指标：如对机器人的替换不情愿度、对机器人请求自愿任务的完成度等行为性测量。
  3. 统计分析：
     • 使用一元协方差分析 (ANCOVA) 和生存分析，评估三种条件对人机关系显性及隐性指标的影响。
     • 控制变量：参与者对机器人已有的熟悉度。

研究成果

• 具体成果：

  1. 情感关怀能有效提高人机关系：
     • 在隐性测量中，提供情感关怀的参与者表现出更强的不情愿替换机器人行为，并愿意花费更多时间完成机器人请求的任务。
  2. 工具关怀的效果较弱但有潜力：
     • 工具关怀条件在隐性测量上存在轻微优势（如不情愿替换机器人），但未达到显著水平。
  3. 隐性指标优于显性指标：
     • 显性测量中（如社会吸引力、未来互动意向），三组间未观测到明显差异；然而，隐性指标（如行为依从性）成功揭示出关怀对人机关系的潜在作用。

• 与现有解决方案的比较： 与传统关注机器人如何关怀人类的研究不同，该研究站在反向视角，从人类对机器人的关怀行为入手，并通过结合隐性测量弥补了现有仅依赖显性主观数据的局限。

• 实验和评估结果：

  • 情感关怀条件中，参与者表现出更高的：
    • 不情愿替换机器人（与控制组相比显著）。
    • 自愿任务的完成度（显著低于控制条件的任务中断风险）。
  • 工具关怀对替换不情愿度的影响接近显著，但效果不如情感关怀。

• 局限性与未来方向：

  1. 关怀行为的独立影响难以分离：
     • 当前实验将机器人表现脆弱和参与者的关怀行为交织在一起，无法精确区分两者的独立作用。未来可设计情景更严格控制这两部分。
  2. 人机关系的长期动态缺乏研究：
     • 本研究仅在初次互动情境中进行了验证，未来应探讨关怀对长期人机关系的持续性影响。
  3. 样本特征与外部有效性：
     • 参与者以技术背景为主，结果可能反映有限的用户群体偏好和认知，应在更广泛、更多样化的群体中进行验证。

总结来说，这项研究首次系统评估了对机器人进行情感与工具关怀对人机关系的不同影响，并揭示了隐性测量的潜力，为关怀型交互设计及未来HRI领域的理论发展提供了实证支持。