行为、言语与外观：什么塑造了我们对车内人工智能助手的感受？

文献标题

Actions, Speech, and Looks: What Shapes How We Feel About In-Vehicle AI Assistants?

出版信息

• 主题领域: 以人为中心的智能车载助手（IVA）设计。
• 关键词: 车载助手, 自主性, 具身性, 对话风格, 人机交互, 信任, 用户体验, 拟人化, 主动系统, 汽车人工智能。

背景与问题

• 问题/挑战: 当前的IVA设计通常强调高自主性和拟人化特征，但用户对这些设计选择的偏好尚不清楚，尤其是在涉及身体侵入性的场景中。
• 重要性: 理解用户对IVA设计的偏好可以提升信任、舒适度和接受度，这对安全且高效的人车交互至关重要。
• 动机与相关研究: 以往研究探讨了IVA的功能性、具身性和对话风格，但对于自主性、拟人化和语言风格如何交互影响用户感知的理解仍存在空白。本研究基于先前的发现，通过大规模实验设计填补这些空白。

解决方案

• 提出的方法: 基于视频的在线实验，系统性地在两个场景（温度调节和座椅调节）中变化IVA的自主性、具身性和对话风格。
• 创新性:
  1. 对用户对IVA自主性水平的偏好进行实证评估，包括带解释和不带解释的自主行为。
  2. 比较虚拟和物理IVA具身性，从抽象设计到类人设计。
  3. 探讨IVA中正式与非正式对话语言风格的影响。
  4. 大规模研究（n = 1238），并通过稳健的统计分析评估用户感知和偏好。
• 流程与关键技术:
  • 实验设计: 2（场景）× 4（自主性水平）× 4（具身性）× 2（语言风格）。
  • 参与者观看模拟IVA交互的视频，并使用验证量表对温暖感、能力、不适感、社会存在感、信任和用户体验进行评分。
  • 统计分析包括广义线性模型（GLMs）和线性混合效应模型，用于评估主效应和交互效应。

结果

• 具体发现:
  • 自主性: 在没有解释的情况下自主行动的系统在信任、能力和用户体验方面评分最低。用户更偏好用户发起和系统发起的对话条件。
  • 具身性: 抽象的虚拟代理最受欢迎，而类人机器人引发了较高的不适感和较低的信任。
  • 对话风格: 非正式语言在温暖感、能力和社会存在感方面的评分始终高于正式语言。
• 相较基线的优势:
  • 系统发起的对话在主动性和透明性之间实现了平衡，优于没有解释的自主行为。
  • 抽象的虚拟代理避免了物理具身性带来的空间和注意力挑战。
  • 非正式语言在不影响功能性的情况下提升了用户感知。
• 实验/评估:
  • 样本量: n = 1238名参与者。
  • 测量指标: 温暖感、能力、不适感、社会存在感、信任、用户体验、使用意图。
  • 场景: 温度调节和座椅调节。
  • 统计稳健性: 使用具有异方差稳健标准误的GLMs；对重复测量使用线性混合效应模型。
• 局限性与未来工作:
  • 缺乏真实场景沉浸感；研究基于视频模拟。
  • 德国参与者样本可能存在文化偏差。
  • 对身体侵入性和其他类人机器人设计的探索有限。
  • 未来研究应探讨IVA语言风格的动态适应性，并研究用户对身体侵入性的容忍阈值。

总结

本研究通过实证分析揭示了IVA的自主性、具身性和对话风格如何影响用户感知、信任和接受度。用户更偏好系统发起的对话而非完全自主行为，抽象虚拟代理优于物理机器人，非正式对话语言优于正式风格。这些发现挑战了偏向高自主性和拟人化的IVA设计假设，表明透明性、最小化具身性和对话语气是提升用户体验的关键。未来的IVA应优先考虑具有清晰沟通的主动交互，避免侵入性物理设计，并根据情境调整语言风格。