多少信任才足够？走向技术信任的校准

文献标题

How Much Trust is Enough? Towards Calibrating Trust in Technology

出版信息

• 主题领域: 人机交互（HCI）中的信任校准及测量工具。
• 关键词: 信任校准、人机交互、人机信任量表（HCTS）、信任倾向、信任解释、自主系统、心理测量工具、信任测量、信任构念、信任评估。

背景与问题

• 问题/挑战: 现有用于测量信任倾向的工具（如人机信任量表 HCTS）缺乏通用的解释指南，导致难以在不同情境中一致地评估信任水平。
• 重要性: 技术信任的错误校准可能导致过度信任（误用）或不足信任（弃用），从而在敏感领域如医疗和执法中引发低效互动或风险。
• 动机与相关工作: 以往研究主要集中于促进信任，但越来越需要校准信任以使其与系统的实际能力相匹配。尽管 HCTS 是一个经过验证的工具，但其结果依赖情境且缺乏通用解释指南，限制了其广泛适用性。

解决方案

• 提出的方法: 为 HCTS 开发基于证据的解释指南，包括针对不足信任、适度信任和过度信任的阈值，灵感来源于系统可用性量表（SUS）的方法。
• 创新点:
  1. 引入形容词量表以补充 HCTS 结果并促进解释。
  2. 建立基于实证的阈值，用于跨情境解释 HCTS 分数。
  3. 提出一个实用的信任校准框架，强调适度信任为最佳。
  4. 通过两项针对不同技术的实证研究验证方法。
• 流程与关键技术:
  1. 使用 HCTS 进行两项研究，评估面部识别系统（研究 1，N=711）和生物识别支付系统（研究 2，N=227）的信任倾向。
  2. 引入 7 点形容词量表，供参与者描述其信任水平。
  3. 使用方差分析（ANOVA）和事后检验识别信任类别之间的显著性差异。
  4. 基于置信区间计算 HCTS 分数的临界值，并在必要时合并相邻类别。
  5. 提出通用的 HCTS 结果解释阈值，并将其可视化为一个连续体。

结果

• 具体发现:
  • 推导出 HCTS 分数的解释阈值：不足信任（≤2.30）、适度信任（2.31–3.60）、过度信任（≥3.61）。
  • HCTS 条目的 Cronbach α 系数分别为 0.814（研究 1）和 0.860（研究 2），证实了可靠性。
  • 最终重新编码的形容词量表类别在两项研究中均显示出统计显著差异。
• 相较基线的优势:
  • 提供了一个结构化、基于实证的框架，用于解释 HCTS 结果，解决了该工具此前的局限性。
  • 通过识别不足信任和过度信任，促进信任校准，为系统设计和评估提供可操作的洞察。
• 实验/评估:
  • 通过在线调查进行研究，使用视频刺激模拟与两种不同技术的交互。
  • 参与者使用 HCTS 和形容词量表进行信任评分；数据分析用于建立阈值并验证解释框架。
• 局限性与未来工作:
  • 仅限于两种技术且技术特性相似，降低了普适性。
  • 信任测量的情境性和主观性需要在更多领域中进一步验证。
  • 未来研究应优化阈值，分别探索信任构念，并研究信任维度之间的相互作用。

总结

本文通过为人机信任量表（HCTS）开发基于实证的解释指南，解决了技术信任倾向解释的挑战。通过对两种不同技术的研究，作者提出了不足信任、适度信任和过度信任的阈值，强调了信任校准的重要性。研究结果表明，HCTS 是评估信任倾向的可靠工具，对研究人员和实践者设计和评估自主系统具有实际意义。未来工作需要在更广泛的情境中验证该方法，并进一步优化解释框架。