社會臨場感視角下的社交聊天

毛雯露

摘 要：社交聊天AI是人工智能最普及的應用之一，其交互功能卻仍擺脫不了弱人工智能的影子，用戶可獲得的體驗層次及臨場感都較為薄弱。為探究當前社交AI技術用戶弱臨場感的產生原因，構建以用戶感知價值為中介變量的模型，通過實證研究人機交互情境因素對社交類AI用戶臨場感的影響，以及用戶的弱臨場感是否會影響感知價值繼而對使用意愿產生消極效果。根據研究結果，針對社交聊天AI已有交互功能，探討此類應用加入情境識別的意義以及未來的研究方向。

關鍵詞：社會臨場感;人工智能;智能聊天機器人;交互情境

中圖分類號：G206.2 文獻標識碼：A文章編號：1672-8122（2020）03-0087-04

一、研究背景

2017年3月，Google旗下團隊DeepMind開發(fā)的人工智能Alpha Go以3比0的總比分打敗了世界圍棋冠軍柯潔，由此引發(fā)了社會對人工智能的廣泛關注。在近幾年人工智能的狂潮中，技術發(fā)展賦予人工智能無限的可能性，其用途得以延伸至智能家居、教育等各領域，替人們分擔了部分簡易瑣碎的工作。

智能聊天機器人作為當前人工智能發(fā)展階段的熱門項目，投入市場后得到了很多用戶的青睞。目前在我國具有聊天對話功能的機器人中，最具代表性的有微軟的小冰、阿里的天貓精靈、百度的小度機器人等，將此項技術依托家電、社交軟件等媒介進行產品推廣，收獲了不錯成效。跨平臺運營的微軟小冰自2014年推出后，該技術已覆蓋全球多個國家，合作的第三方智能設備也達到了4.5億臺[1]。天貓精靈則在家電領域打出了品牌，將智能聊天元素融入音響，使這項略顯高端的技術融入日常娛樂中。阿里發(fā)布的最新數據顯示，天貓精靈銷量連續(xù)兩年中國第一，其可連接的AIoT設備達到了2.35億臺[2]。

社交聊天AI技術一直朝著更真實地模擬人類對話并提供多層次、多維度的人機交互服務發(fā)展。為了強化人工智能中的“智能”部分，實現深層次的自然交互并賦予人工智能用戶人性化的體驗，無論是微軟還是阿里，都將目光投向了人工智能的情感計算和情感運用。阿里巴巴2019年9月推出的最新款天貓精靈IN糖，有專門的情感搜索引擎分析用戶的情緒，并提供能改善情緒的正向反饋。

即使智能聊天機器人在逐步實現以往的設想并完善用戶的體驗，用戶在使用智能聊天機器人時的真實感受和反饋仍有待觀望，原因有以下幾點：一是技術帶來的交互體驗和真人從現實社交處獲得的體驗仍有不小的差距，很難滿足用戶對人機交互的期望;二是雖然技術層面在向強人工智能靠攏，但從用戶需求層面而言，用戶的使用意愿與研發(fā)初衷或相悖。用戶追求的可能是操作簡易、娛樂性及功能性較強的弱人工智能，而不是真正意義上的強人工智能;三是雖然智能聊天機器人通過和第三方合作，讓銷售和使用數值產生了不少高峰，然而用戶在使用過程中卻呈現疲態(tài)。有許多使用者購買、使用的原因只是新技術嘗鮮，很難構成持續(xù)使用的行為。

從上述各種情況來看，不夠成熟的智能聊天機器人應用，無論是功能的匱乏還是用戶需求的忽略，都對用戶的持續(xù)使用意愿產生了影響。因此，收集用戶的使用情況和需求反饋，了解他們想要從中獲得的價值，有助于厘清未來人工智能技術革新的思路。本文構建了以用戶感知價值為中介變量的模型，考察目前購買、使用社交聊天類AI用戶對人工智能的價值需求層次。以當前功能實現中忽略的交互情境因素為外界變量，并在模型中引入了社會臨場感作為前因變量，研究用戶在使用過程中所獲得的真實感是否受交互情境因素的影響。

通過網絡，針對原為社交媒體使用者，且對數碼家電感興趣的用戶發(fā)放問卷，總共回收362份問卷，在這之中篩選出曾有社交聊天類AI使用經驗的用戶，共計334份有效問卷。通過前人設計的量表和模型，設計問卷并驗證假設及模型，在社會臨場感的視角下探索交互情境因素、社會臨場感、用戶感知價值和社交聊天AI用戶不持續(xù)使用意愿行為之間的關系，結合未來人工智能的發(fā)展提出設想。

二、文獻概述

（一）社會臨場感

通常，社會臨場感是指一個人在使用媒介溝通的過程中被視為“真實的人”及與他人聯系的感知程度，由J.Short、E.Williams 和B.Christie提出[3]。這個概念在早期被廣泛應用于遠程教育和在線學習的研究中，最初學者認為它是一種媒介的固有屬性，后人則認為社會臨場感是媒介交互過程中一種對他人的心理感知[4]。

目前用戶仍然很難將智能聊天機器人視為“人”來進行交互，技術卻又在向強人工智能靠攏，因此社交聊天AI不能簡單地理解為交互臨場平臺。它既能創(chuàng)造和影響用戶對媒體心理感知的強弱，亦可以激發(fā)用戶對他人的感知并投射自己的真實情感。但在本文中，基于現階段社交聊天AI只屬于弱人工智能、且大部分社交聊天AI并不提供多人情境互動的現實情況，僅將社會臨場感視為人機交互產生的遠程臨場感。

關于社會臨場感的定義爭論較大，多圍繞究竟是技術因素還是社會屬性決定用戶的社會臨場感展開。截至目前，國內現有有關社會臨場感的研究，仍以在線教育、網絡購物和在線閱讀等研究內容為主，這些研究主要體現了社會臨場感作為人依憑媒介互動時產生的對他人的感知這一屬性。對人機交互的關注，則是對沉浸概念的補充，如童怡在研究網絡游戲中的互動與自我揭露時，建立了社會臨場感和沉浸感之間的聯系[5]。因此，將社交聊天AI用戶社會臨場感納入感知價值與SOR模型中，并融合智能聊天AI的人機交互進行研究，或能以弱人工智能打破常規(guī)人機交互這點，去深入挖掘用戶的社會臨場感層次。

（二）感知價值

用戶感知價值則是在技術接受和使用與滿足模型中較常涉及的變量，也有很多專門關注感知價值模型的研究。用戶在選擇產品時會通過衡量價值大小作為依據，感知價值就代表了他們對產品質量的主觀評價，包含多種考察維度。已有許多學者開發(fā)和改進了關于感知價值的測量量表，Sweeney將對用戶感知價值的測量劃分為情感價值、社會價值、價格價值和質量價值四個維度[6]，Lee在研究中引入了娛樂價值作為感知價值的維度之一[7];而Lee等則在測量游客赴韓的去軍事化區(qū)域的旅游價值中引入了功能價值維度[8];Voss等認為感知價值分為實用和享樂兩個維度，推出了體驗價值量表[9]。

本研究參考了以上學者測量感知價值的各項維度和量表，整理出可考察目前用戶使用智能聊天機器人時的感知價值維度，綜合了社會價值、體驗價值、情感價值、娛樂價值及功能價值，從多方面了解用戶對社交聊天AI的感知價值需求。

（三）提出假設

目前關于技術或產品的不持續(xù)或消極使用行為意愿研究，以刺激機體反應（SOR）模型、壓力源—緊張—結果框架、推—拉—錨定框架（PPM）等為主。在這些模型及研究框架中，影響用戶流失的因素分為技術性因素、社會性因素及用戶自身因素。由于智能聊天機器人尚處于發(fā)展過程中的起步階段，在功能上完全無法與大眾社交媒介平臺相提并論。用戶遭受的壓力感和社交疲勞、耗竭等影響因素較少在當前的社交聊天AI使用過程中產生，而社會因素很難在單人情境的人機交互中對臨場感產生作用，因此個體因素和社會因素在本研究中忽略不計。

結合前人關于社會臨場感的研究，人機互動會對用戶的社會臨場感產生影響，在涉與人機交互變量的研究中，交互行為、交互內容等是考察變量的指標。而交互情境作為技術因素的體現與人機交互必不可少的一環(huán)，同樣會對用戶的社會臨場感產生影響，故假設如下：

H1：社交聊天AI人機交互中交互情境因素正向影響用戶的（弱）社會臨場感。

國內已有研究表明，不同維度的社會臨場感對于用戶感知到的價值均有正向影響，且感知價值介于社會臨場感和用戶生成內容行為之間發(fā)揮中介作用[11]。因為當前用戶在使用社交聊天AI的過程中可獲得的社會臨場感較弱，因此，本文提出如下假設：

H2：社交聊天AI用戶的（弱）社會臨場感正向影響其（弱）感知價值

許多研究表明，用戶通過從使用產品的過程中尋找自己所需要的價值，從而對該產品產生持續(xù)使用的行為。社交聊天AI用戶最初為了獲得不同維度的價值而購買、使用，但如果他們無法感知到使用這項新技術的價值，就會產生消極的使用行為，假設如下：

H3：社交聊天AI用戶的（弱）感知價值正向影響其消極使用意愿，基于上述假設提出本文的研究模型，如圖1所示。

三、問卷設計與數據收集

（一）問卷設計

本文研究模型涉及4個變量，分別為“交互情境因素” “社會臨場感” “感知價值”和“不持續(xù)使用”，共18個題項。問卷中有關模型的題項大多借鑒了國內外經典量表，并根據研究目的做了適當地修改。其中，交互情境因素綜合了相關研究中的情境因素和交互因素，以曲鶴群[12]等研究為主。題項為“智能聊天機器人無法正確判斷我當前所處的交互情境（如無法區(qū)分單人和多人交互情境）”“智能聊天機器人不能根據情境信息來理解我的意見和主張”等4題。社會臨場感參考了Biocca等[13]、Shen和Khalifa等[14]以及Hassanein[15]等人的量表，用戶感知價值則引用了上文提及的Sweeney、Lee等的量表。模型中題項的測量采用了李可特的5級量表，1至5分分別為“完全不贊同”“不贊同”“不確定”“贊同”和“完全贊同”。

（二）數據收集

在334份有效的問卷樣本中，男女用戶分別占比為59%和41%，調查中社交聊天AI的男性使用者略多于女性。而年齡層面，主要以18～30歲為核心的社交聊天AI用戶群，占比為56.9%;其次則是30～40歲人群，占比為33.8%，可以說青年人依舊是最先嘗試新技術的領軍人物。調查對象的收入則以2 000元到5 000元中等收入的人群為使用主體，占40.1%，說明中等收入人群使用智能聊天機器人較多。教育經歷數據顯示，有53%的社交聊天AI用戶學歷為大學本科。

53.7%的用戶每天使用社交媒體1～3小時，與之相反，這些用戶每天在智能聊天機器人的使用上則很少花費1小時以上，人數僅占23.4%%。查詢氣象、交通、百科的搜索引擎功能是用戶最喜歡也是社交聊天AI最常具備的功能，而情境管理功能則是社交聊天AI最差的功能之一，334人中僅有1人使用過該功能。

（三）信度和效度

通過Spss檢驗問卷中各變量的信度，交互情境因素、社會臨場感、感知價值與不持續(xù)使用的Cronbachα系數分別0.789、0768、0.822、0.766，各變量的克隆巴哈值都高于0.7。量表整體的Cronbachs Alpha α系數達到了0.899，接近0.9，證明其內在信度比較良好。

通過結構效度和收斂效度的檢驗，首先對模型中各變量進行KMO系數及Bartlett球形檢驗，若變量的KMO檢驗系數均大于0.5同時Sig.值小于0.05時，研究問卷具有結構效度。整張問卷量表部分的KMO值達到了0.915，顯著性0.00。

（四） 模型檢驗

本文綜合了學界使用較多的吳明隆結構方程模型一書和其他相應研究中的各指標要求，將處理后的數據與之進行了對比，結果如表1所示。

在滿足各項指標要求的同時，模型的SRMR值達到0.0445，小于要求的0.05，模型擬合程度良好。而經過AMOS的模型適配度分析，本文對量表的假設進行了驗證。通過對顯著水平、路徑系數和t值的計算，發(fā)現本文提出的假設基本成立，檢驗結果如表2所示。

從假設的檢驗結果我們可以看到，P值大于0.05的檢驗結果處于非顯著水平，同時C.R.的絕對值大于1.96才能稱假設為顯著，因此研究的三大假設均成立。

在這之中，以用戶的感知價值對其不持續(xù)使用意愿或行為的影響最為顯著，它的C.R.值（即t值）達到了10.40。綜合理論基礎和數據分析結果可知，社交聊天AI用戶的社會臨場感對其感知價值存在較為顯著的正向影響，這表明感知價值在用戶社會臨場感與用戶之間發(fā)揮了中介效應。

數據顯示，在用戶與智能聊天機器人交互的過程中，交互情境是影響用戶社會臨場感的因素之一。當用戶認為社交聊天AI無法讀取與自己的交互情境，或是不能根據情境信息來理解用戶的對話意圖時，那么用戶能從中獲得的交互真實感則會降低。同時，用戶對該技術各方面的感知價值都會削弱，當他們無法從使用行為中獲得期望的價值后，就會逐漸消極或干脆不再使用。

四、總結與展望

雖然研發(fā)智能聊天機器人的各大實驗室都在努力訓練機器人達到可與人進行持續(xù)的、用戶喜歡的自然語言交互的理想水平，提高其對用戶命令讀取的準確度，并且增加情感識別等人性化交互內容，細化用戶的需求，以提升他們在使用社交聊天AI時的體驗。但如果智能聊天機器人的功能只限于識別交互語言，而脫離了交互情境的外在支持，再高超的自然語言對話都不能讓用戶感受到交互的價值。因此，將交互情境識別納入社交AI的技術發(fā)展，或將有利于提高用戶的粘性。這種交互情境的識別包括提供多樣化的情境服務，如創(chuàng)造與人際交往接近的交互語境，判斷用戶當前所處的交互情境并提供趣味反饋等。

當然，本文的局限在于只研究了單一因素對社會臨場感的影響，未能將交互情境中多人情境作為社會因素或是人際互動來考慮。從關于在線學習過程中用戶的社會臨場感的研究可以看到，他人與用戶的交流互動對用戶的社會臨場感會產生影響，這意味著面向多人情境的社交聊天AI也應將人際溝通納入用戶社會臨場感的研究模型中。如QQ小冰的使用多處于多人交互情境中，在同一情境中一起使用的用戶，他們的言語是否會對用戶的社會臨場感產生影響。希望在對社交聊天類AI的后續(xù)研究中，能將弱人工智能與人文社交真正聯系在一起，探索更多弱人工智能發(fā)展的可能性。

參考文獻

[1] [EB/OL]https：//tech.sina.com.cn/csj/2019-08-25/doc-ihytcern3347596.shtml.

[2] [EB/OL]http：//finance.sina.com.cn/stock/relnews/us/2019-09-25/dociicezzrq8356314.shtml.

[3] Short J，Williams E，Christie B.The social psychology of telecommunication[M].London： Wiley， 1976.

[4] 騰艷楊.社會臨場感研究綜述[J].現代教育技術， 2013， 23（3）.

[5] 童怡.網絡游戲中的互動與自我揭露對玩家行為形成機制研究 ——基于社會臨場感視角[J]. 湖北經濟學院學報（人文社會科學版），2018，15， 169（7）：63-66+75.

[6] Sweeney， J. C.， Soutar， G. N.， and Johnson， L. W. “Retail Service Quality and Perceived Value： A Comparison of Two Models.” Journal of Retailing & Consumer Services 4.1， 1997：39-48.

[7] Cheung， C. M. K.， Lee， M. K. O.， and Lee， Z. W. Y. “Understanding the Continuance Intention of Knowledge Sharing in Online Communities of Practice through the Postknowledgesharing Evaluation Processes.” Journal of the Association for Information Science & Technology 64.7，2014：1357-1374.

[8] Lee J S， Lee C K， Choi Y. Examining the Role of Emotional and Functional Values in Festival Evaluation：[J]. Journal of Travel Research， 2010， 50（6）：685-696.

[9] Voss K E ， Grohmann S B . Measuring the Hedonic and Utilitarian Dimensions of Consumer Attitude[J]. Journal of Marketing Research， 2003， 40（3）：310-320.

[10] 代寶， 鄧艾雯.社交媒體用戶不持續(xù)使用和轉移行為的影響因素分析[J].情報科學， 2018，321（5）：66-72+91.

[11] 洪雪嬌.社交媒體中社會臨場感與用戶生成內容行為的關系研究[D].華僑大學， 2017.

[12] 曲鶴群.基于移動設備的情境感知在泛在學習中的交互研究與設計[D].北京郵電大學，2006.

[13] Biocca F.， Harms C.， & Gregg J. （2001） . The Networked Minds Measure of Social Presence： Pilot Test of the Factor Structure and Concurrent Validity. Paper Presented at the Presence， Philadelphia.

[14] Shen K N， Khalifa M. Exploring Multidimensional Conceptualization of Social Presence in the Context of Online Communities[J].International Journal of HumanComputer Interaction， 2008，24（7）：722-748.

[15] HASSANEIN K， HEAD M，CHUNHUA J.A cross-cultural comparison of the impact of social presence on website trust， usefulness and enjoyment[J].International journal of electronic business， 2009， 7（6） ： 625-641.

[責任編輯：張楠]