人機服務接觸體驗的影響因素

饒培倫，雷心

【特別策劃】

人機服務接觸體驗的影響因素

饒培倫1，雷心2

（1.清華大學，北京 100084；2.浙江工業大學 管理學院，杭州 310023）

人工智能與機器人技術的進步推動著智能機器人進入服務業，加速了服務業的數字化、個性化、智能化發展。隨著服務機器人進入人類社會，人與服務機器人的交互（HSRI）研究也在從“以技術為中心”向“以人為中心”過渡。在這樣的背景下，對HSRI相關研究進行綜述，從人、機、服務接觸三個方面梳理HSRI的影響因素。通過收集與整理相關文獻，闡述服務機器人的定義與特征，梳理了人的因素、機器人屬性、服務接觸特征三個方面的影響因素。人機服務接觸的三大影響因素為機器人屬性（包括機器人的擬人化、性別、種族與文化、可用性、透明度、形體與呈現）、人的因素（包括人的年齡、性別、文化、人格特質、技術就緒指數、對機器人負面態度）、服務接觸特征（包括服務場所、機器人參與度、顧客參與度、失誤后果嚴重性、有形與無形、認知分析型與情感社交型）。建議HSRI研究綜合考慮人、機、服務接觸三個方面影響因素，關注智能服務機器人的發展和應用階段，更重要的是在社會倫理道德的框架下進行機器人的設計與研發。

服務機器人；智能機器人；人–機器人交互；服務接觸

服務機器人是集機械、信息、材料、生物醫學等多學科交叉的戰略性技術，它的出現是服務行業的重要變革之一。如今，機器人已經越來越普遍地參與甚至替代人工服務，在酒店、餐廳、商場、景點、家庭等場所，服務機器人的身影已頻繁出現。作為機器人技術與人工智能技術的結合體，服務機器人能夠感知周圍環境，自主規劃并執行物理或非物理任務來提供服務[1]。其智能性與自主性支持服務機器人與用戶進行自然的互動與交流，這使人們將服務機器人看作社會參與者而非普通工具，并積極地與機器人建立社會關系[2–4]。在以往的研究中，一部分研究者是從技術驅動的角度來考慮機器人的研發，一部分則從用戶的角度來考慮機器人的設計及其社會影響。隨著智能機器人在服務領域的實際應用，優化人機交互、提升用戶體驗對服務機器人產業的發展愈發重要，本文將圍繞該目標提出人與服務機器人交互（Human-Service Robot Interaction, HSRI）研究的概念模型，以期啟發研究者進行理論探究，并為服務機器人的設計和研發人員提供實踐啟示。

消費者無疑是HSRI研究中的重點關注對象，近幾年消費者在機器人服務中的行為表現、交互意愿、服務體驗等引起了學術界的關注[5–7]。另一方面，服務機器人的發展目標不是取代人類員工，而是實現人機協作，最大化地發揮人與機器各自的能力和優勢。越來越多的研究致力于人機協作的設計、實施與推廣，員工與服務機器人的合作意愿[8]、交互體驗[9]、責任歸因[10]等主題也引起了各個領域研究者的興趣。因此，HSRI研究不僅要關注接受機器人服務的消費者，也要關注與機器人協作的人類員工，本文所提出的概念模型適用于消費者和員工與服務機器人的互動研究。首先，對服務機器人的定義進行梳理，總結服務機器人的特征以明確本文關于HSRI研究的調研范疇；其次，提出一個可擴展的“人–機–服務接觸”概念模型，包括關鍵影響因素和與人相關的評價指標，其中關鍵影響因素包括三類，即機器人屬性、人的因素、服務接觸特征，與人相關的評價指標可分為四類，即感知、態度、情感、行為；再次，將針對三類關鍵影響因素作展開說明；最后，對本文的主要內容進行總結與展望。

1 服務機器人的定義

國際標準化組織將機器人定義為程序驅動、具有自主性、能進行移動、操作和定位的機械裝置[11]，其中自主性是指在沒有人工干預的情況下，根據當前狀態和感知執行計劃任務的能力。這種定義強調的是機器人的機械動力和提高生產力的能力，服務機器人作為一類特殊的機器人，被定義為，為人類或設備執行有用任務、供個人使用或專業使用的機器人，不包括工業自動化設備[11]。近年來，學術界對服務機器人給出了多種定義，有學者認為服務機器人是信息技術的物理化身，能夠以高度自主地執行任務來提供服務[1,12]，這種觀點更強調服務機器人的實體屬性。Wirtz等[13]將服務機器人定義為基于系統的、自主的、適應性的界面，能夠與顧客進行社交互動、溝通交流，并為其提供服務。該定義并未限定服務機器人的存在形式，它們可能以實體機器人的形式存在，也可能以虛擬機器人的形式提供服務。綜上所述，可以總結出服務機器人的三大特征：（1）存在形式方面，它具有形象化身或交互界面；（2）行為決策方面，它具有自主性；（3）功能與目標方面，它能夠執行有用任務，為人提供服務。基于這三大特征，來討論一些常見的智能體是否屬于服務機器人的范疇。

1）存在形式。如今人們在酒店、餐廳、博物館等場所經常能看到實體機器人的身影，它們能夠獨立、自主地為人們提供不同的服務，毫無疑問它們屬于服務機器人的范疇。此外，本文認為，存在于數字世界，如網站、APP、聊天對話框等，基于AI技術，如自然語言處理、語音合成、情感計算等，能夠自主為顧客提供服務；如產品咨詢、技術支持、個性化推薦等虛擬服務代理，也屬于服務機器人的范疇。Wirtz等[13]指出，與實體機器人相比，部署虛擬機器人的增量成本幾乎可以忽略不計。一個基于全息技術的虛擬機器人只需要視頻、揚聲器、攝像頭和麥克風即可實現，這些組件的成本遠低于實體機器人，但卻可以提供同樣價值的信息咨詢服務。

2）行為決策。常見的智能音箱和語音助手也能夠提供服務，但是它們不屬于服務機器人的范疇，盡管它們能夠與用戶進行互動、溝通，但是不具備自主工作的能力。服務機器人的自主性指的是，根據當前狀態與環境來規劃自身行動并執行的能力[14]。智能音箱和語音助手的行動并不是機器自主決定的，而是由用戶發出指令、機器自動執行的，因此它們不屬于服務機器人。相比之下，掃地機器人是一類典型的服務機器人，因為它在工作時能夠自主規劃路徑而不需要人為操控。從服務管理的角度來看，只有機器人技術搭載人工智能算法，提高服務機器人的智能性和自主性，才能在服務接觸中發揮更大價值[15]。

3）功能目標。自動駕駛汽車屬于服務機器人，因為它有物理實體、具備自主性、能提供駕駛服務。毛茸茸的社交機器人Paro配備了多個傳感器，具備學習能力，能夠對外界刺激作出反應，常用于幫助老年用戶或阿爾茨海默病患者，提供陪伴、減輕壓力、改善情緒[16]。社交機器人Paro提供的是非物理服務，也屬于服務機器人。在服務業中，人工智能的價值來源于該技術與消費者進行社交互動的能力[2]，優化服務機器人的社交屬性可以提升消費者的服務體驗，也可以提升員工與機器人的合作體驗。

2 HSRI：人–機–服務接觸概念模型

根據媒體等同理論（Media Equation Theory）和計算機是社會行動者范式（Computers are Social Actors Paradigm）[17-18]，人們會將智能技術看作社會參與者，將社會特征和社會角色賦予它們，并將人與人之間的社會交往規范應用在人與智能技術的互動中[19]。與一般的智能技術和智能設備相比，機器人具有侵入式的物理存在，與人類共享物理空間，能夠展現出智能性與自主性，這使人們與機器人互動時更像在與一個擁有心智的生命體互動[20]。機器人的社交屬性也突顯出它與其他自助服務技術的差異，服務機器人不僅是一個工具性存在，還是一個社會性存在。因此，HSRI研究不能將機器人當作普通的工具看待，而要將其作為社會參與者來研究人機互動。本文的主要目的是從人因學科的角度出發，站在機器人使用者的角度來梳理HSRI中的關鍵影響因素，重點關注HSRI中與人相關的評價指標，常見指標可分為感知、態度、情感、行為四類[21]。HSRI是人和機器人在服務場景中的互動接觸，機器人的屬性、人的因素、服務接觸的特征都會影響互動過程，據此提出HSRI研究概念模型，見圖1。

圖1 HSRI研究的“人-機-服務接觸”概念模型

3 HSRI研究的關鍵因素：機器人屬性

毫無疑問，人與服務機器人的互動會受到機器人自身屬性的影響。對機器人的設計者、生產者、銷售者而言，機器人屬性更具有可操作的實際意義，因此也是目前學術界較為關注且成果豐富的研究問題[22]。如上文所述，HSRI研究不僅要關注接受機器人服務的消費者，也要關注與機器人協作的人類員工。因此，本小節針對消費者和協作者這兩類主要用戶，總結了HSRI研究中與機器人相關的主要影響因素，見圖2（示例來源于擬人化[21]、性別[23]、種族與文化[24]、可用性[25]、透明度[26]、形體與呈現[27]）。

圖2 機器人屬性

3.1 擬人化

擬人化是指人們將人類的特征、動機、意圖或心理狀態等賦予非人對象的傾向或心理過程[28-29]。擬人化有助于提升人與智能體的交互體驗，研究表明，擬人化能夠幫助人們用人類的邏輯去理解其他非人對象的行為，讓人們認為其行為是可預測的、可控制的[30]。機器人作為一類特殊的社會實體，人們很容易將人類的特征、動機、情感等賦予它們[31]，而且機器人本身具有較高的擬人化能力和身體自主性，特別適合從擬人化設計中獲益[32]。為了加強機器人的擬人化能力，它們通常都被設計成像人一樣的外表、行為、語言、社交規范等，即外觀擬人化和社交功能擬人化。研究發現，與非擬人化的機器人相比，人們對人形機器人的感知、態度與行為都更加正面[6,21,33-34]。面對服務機器人造型的擬人化趨勢，避免恐怖谷效應也是不可忽視的問題。恐怖谷效應是指，當機器人的擬人化程度到達一定水平時，人們對機器人的好感度會驟降甚至會極其反感[35]。在HSRI研究中，服務機器人合適的擬人化程度和避免恐怖谷效應出現的方法有待進一步探索。

3.2 性別

機器人性別可以看作擬人化設計的一部分，但是鑒于其重要影響，這里將性別單獨列為機器人屬性的關鍵因素之一。機器人的外觀、行為、聲音、姿勢、注視、功能、語境和文化期望等，都是人們判斷機器人性別的線索[36]。Tay等[37]發現，不是機器人性別本身而是機器人性別與職業的匹配，會影響人們對機器人的性別偏好，這表明機器人性別的影響與人們的性別刻板印象有關。性別刻板印象是針對某一性別的性格特征、行為、角色的普遍看法或成見[38]。例如，人們通常將女性與溫暖、親切等特質相聯系，因此當人們感知機器人性別為女性時，對機器人的評價更正面，與機器人的接觸意愿也更強烈[39]。然而Bryant等[40]在研究機器人性別、職業性別刻板印象及人機信任之間的關系時發現，比起機器人性別或人的性別，人們感知到的機器人的職業能力更能預測人們對機器人的信任。利用職業性別刻板印象在短期內或許可以為機器人設計帶來便利，但是長遠來看，機器人設計應該強調其能力，而不是特定的性別，以避免進一步強化社會刻板印象[41]。

3.3 種族與文化

人們傾向于根據種族、國籍、性別、宗教、職業等特征，將他人歸類為內群體成員（我們）或外群體成員（他們），并對內群體成員表現出偏袒，例如將更多的資源、更積極的評價給予內群體成員[42]。服務機器人設計可以利用內群體偏愛效應，例如根據用戶的種族與文化背景來設計機器人的外觀、語言、口音等特征以塑造其種族與文化。除此之外，機器人設計應當考慮更豐富的文化內涵，例如根據使用者的文化來設計機器人的溝通風格[43]、社交距離[44]、造型特點[45]等。未來，隨著機器人社會性的增強及社會參與的增多，可以參考霍夫斯泰德文化維度[46]，通過主要使用者的文化背景來設計機器人的個人主義或集體主義傾向、權力距離傾向、不確定性規避指數、男性化或女性化傾向、長期導向或短期導向、放任或約束傾向等文化特征。

3.4 可用性

在服務機器人接受度模型（Service Robot Acceptance Model, SRAM）的相關研究中[47-48]，可用性（Usability）是影響人們對機器人接受度的重要因素。可用性一般包括有用性（Usefulness）和易用性（Ease of Use）兩個維度，通常是針對技術產品的功能層面，比如自助服務技術的有用性、易用性會影響人們的態度和使用意愿[49]。服務機器人不同于普通的自助服務技術，其有用性和易用性不局限于功能層面，例如Fuentes-Moraleda等[50]在針對酒店服務機器人接受度的研究中，從功能維度、社會-情感維度、人機關系維度三個方面總結了服務機器人接受度的影響因素。在HSRI研究中，服務機器人的可用性不局限于具體功能層面，應該延伸至更多維度，如社會參與和人機關系構建等。

3.5 透明度

由于機器推理變得越來越復雜，這些AI模型對人們而言就像一個“黑箱子”，非專業用戶難以通過對機器人行為的觀察來建立有效的心智模型，這將影響其信任與效用[51]。因此，可解釋的人工智能（eXplainable Artificial Intelligence, XAI）要求智能算法向人們解釋其行為和決策，以幫助人們理解其意圖、性能、未來計劃、推理過程等[52]。研究發現，增加透明度對人機交互有積極的影響，例如決定、校準和維持恰當的人機信任水平[26,53-54]。避免信任不足與信任過度對有效的人機協作至關重要，因為信任不足可能會導致棄用，而信任過度會導致誤用[55]。此外，機器的透明度也會影響人機協作中人的工作負荷[56]、對機器的依賴[57]、對協作結果的責任歸因[58]等。因此，機器人的透明度與可解釋性也是其關鍵設計屬性之一。

3.6 形體與呈現

形體（Embodiment）與呈現（Presence）是智能體形態研究需要考慮的兩個關鍵維度[27,59]。形體是指智能體具有形象化身，不僅以抽象算法的形式存在，還可以是物理實體或仿真形象；呈現是指智能體向用戶展現自己的方式[27,60]，比如實體機器人NAO和屏幕中的機器人NAO，其差別在于呈現方式。形體是智能體的固有屬性，而呈現取決于人機交互的方式。研究發現，物理世界中的實體機器人比屏幕中的虛擬機器人更容易讓人們共情[61]，更有說服力[27]，更容易與人們建立友情[62]，在人機協作中獲得更正面的評價[59]，在康復鍛煉中提高人們的參與度并帶來更好的復健效果[63]。然而，企業每增加一位實體機器人會產生一定的增量成本（盡管只是增加一位人類員工所需成本的一小部分），而虛擬機器人的增量成本幾乎可以忽略不計[64]。綜上所述，在機器人服務中，企業應當結合對機器人的功能需求和部署成本來選擇適當的呈現方式。

4 HSRI研究的關鍵因素：人的因素

目前，智能服務機器人的研發主要由“以技術為中心”的理念驅動，但是如同數十年前“以用戶為中心的設計”實踐的興起，服務機器人的研發也將朝著“以人為中心”的理念過渡。因此，需要關注人的相關因素在HSRI中的影響。首先，上文所提及的人員角色（即顧客與員工）會影響HSRI，由于顧客和員工對服務機器人的需求不同，因此交互過程與交互目的不同，交互結果的影響也不同。除此之外，其他人口學變量與心理學變量也將影響HSRI，本小節回顧了HSRI的相關研究，總結了與人相關的主要影響因素，見圖3（示例來源：年齡[65]、性別[66]、文化[67]、人格特質[68]、技術就緒指數[69]、對機器人負面態度[70]）。

4.1 年齡

從客觀角度來講，老年人通常面臨著認知能力下降的問題，其注意、推理、記憶、執行等功能退化[71]。因此，老年人學習、理解、使用新技術較為困難，這可能會影響他們使用機器人服務時的能力與表現。從主觀角度來看，老年人往往也認為自己年齡太大而無法學習新技術[72]，在使用新技術時存在自我效能較低的問題[73]。然而，Ezer等[74]注意到，當我們將用戶與機器人的交互經驗納入考慮時，年齡的主效應就不再顯著，這意味著有一定交互經驗的老年人也可以較好地使用機器人。另外，不同年齡段的人對服務機器人的需求存在差異，這也體現在現有研究中。例如，針對老年人與服務機器人的互動，現有文獻通常關注的是機器人為老年人提供的醫療健康與照護服務[75-76]，但是針對兒童與服務機器人的互動，文獻更多關注的是機器人為兒童提供的教育、玩伴[77-78]等服務。綜上所述，使用者的年齡及其所伴隨的使用經驗、自我效能、用戶需求等因素是HSRI中需要關注的問題。

圖3 人的因素

4.2 性別

正如機器人性別會影響HSRI，人的性別也同樣，因為人們與機器人的互動從根本上受到自身性別的影響[79]。在感知方面，Nomura等[80]在實驗中發現，女性比男性對機器人的評價更正面，她們認為機器人更有禮貌、更自信。在態度方面，Gallimore等[81]發現，對同樣的安保機器人，女性比男性認為它更可靠，對它的信任水平也更高。在行為方面，Showkat等[82]觀察到，人們使用手柄遠程操控機器人完成特定任務時，女性用戶的自我效能和操作表現不如男性用戶，類似的結果在人們使用其他技術產品時也有發現[83-84]。Dautenhahn等[66]發現，當機器人向你“走來”時，大部分人不喜歡機器人從正面靠近自己，而是偏好機器人從左側或右側靠近自己；但是，也有少部分人喜歡機器人從正面接近，其中女性人數顯著多于男性。除此之外，Lei等[85]觀察到，在人機團隊協作中與男性相比，女性對機器人成員的評價更正面，并且以更有利于機器人的方式劃分賞罰責任。綜上所述，在HSRI研究中個體性別的影響是不可忽略的問題之一。

4.3 文化

文化影響著人們社會行為的各個方面，身處不同文化與社會環境的個體一般擁有不同的價值觀、思維方式、行為習慣等，這也將影響人們對機器人的預期、感知與態度[86-87]。而且，不同文化中機器人的形象與發展歷史存在差異，西方文化中機器人的形象通常是充當勞動力替代人類工作，而東亞文化更強調其類人屬性與角色，這一點在機器“人”一詞中也能看出來[67]。在世界范圍內，日本比其他任何國家都擁有更多的機器人，機器人應用于社會的許多領域，如生產制造、醫療保健、休閑娛樂等，而且日本文化對機器人的接受度更高[88]。此外，人與服務機器人的互動離不開語言，語言是和文化相關聯的，人們的文化背景會影響他們對機器人用語的偏好[89]。因此，服務機器人所面向對象的文化是HSRI需要考慮的因素，而且在全球化背景下，面向不同文化的跨文化機器人設計也是值得關注的問題之一。

4.4 人格特質

人格特質是人格構成的基本因素，具有支配個人行為的能力，是使人的行為傾向表現出持久性、穩定性、一致性的心理結構[90-91]。人格特質會影響人機交互中個體態度、情感、行為，例如，個體的趣味性與創新性會影響其信息技術采用行為[92-93]。Svendsen等[94]研究了人格特質與技術接受模型的關系，發現外向性會影響感知可用性進而影響行為意圖，情緒穩定性直接影響行為意圖；這意味著個體的人格特質也可能會影響人們對服務機器人技術的接受度。此外，Walters等[95]注意到，人格特質會影響個體與機器人互動過程中的個人空間區域，主動性較強的人與機器人的物理距離更近。如何根據用戶的人格特質做個性化匹配，從而提高人們對機器人服務的滿意度和接受度也是HSRI的研究問題之一。

4.5 技術就緒指數

對服務提供商、顧客和員工而言，技術革命既帶來了積極作用，也造成了負面壓力，基于技術的服務可能會同時引發正面或者負面的感受[96-97]。人們對技術服務的正面、負面感受與個體的技術就緒指數（Technology Readiness Index，TRI）相關，它指的是個體傾向于接受和使用新技術來實現家庭與工作目標的程度，包括樂觀、創新、不適感、不安全感四個維度[98-97]。Walczuch等[99]發現，員工的技術就緒指數會影響他們對工作中新技術的接受度。類似的，顧客與員工的技術就緒指數可能會影響他們對服務機器人的接受度。

4.6 對機器人的負面態度

對機器人的負面態度是阻礙人們在日常生活中與機器人互動的心理因素之一，Nomura等[100]提出了對機器人的負面態度量表（Negative Attitudes toward Robot Scale，NARS），NARS包括三個子量表：對機器人交互情境的負面態度、對機器人社會影響的負面態度、對機器人情感的負面態度。研究發現，對機器人交互情境的負面態度會影響人們與機器人的互動，對機器人社會影響的負面態度會影響人們面對機器人的自我表達，而且男性和女性對機器人的負面態度存在程度差異[101]。此外，Morsunbul[102]發現，個體人格特質中的外向性和經驗開放性是影響人們對機器人持有負面態度的重要因素。在HSRI研究中，降低人工智能和機器人給人們帶來的威脅感和危機感，降低人們與機器人互動時的焦慮感，從而弱化人們對機器人的負面態度，可能會有利于提高人們對服務機器人的接受度。

5 HSRI研究的關鍵因素：服務接觸特征

人與服務機器人的互動通常發生在特定的服務場景中，其特征會影響該場景下顧客、員工、機器人三者的互動過程，因此服務接觸特征也是HSRI的關鍵影響因素之一。然而，目前關于服務接觸特征對HSRI影響的文獻數量有限，相關研究成果不如機器人屬性對HSRI影響的研究成果豐富。因此，該部分主要依據廣泛的調研與理論分析總結了六大因素，見圖4（示例來源：場所[103]、機器人參與度[104]、顧客參與度[105]、失誤后果嚴重性[1]、有形vs無形[78]、認知分析型vs情感社交型[106]）。

圖4 服務接觸特征

5.1 場所

本文的場所是指服務機器人的使用場所，如居家場所、工作場所、公共場所。這里以居家場所和公共場所為例進行對比說明，工作場所的情況通常介于二者之間。首先，服務場所決定了服務機器人面向的主要用戶。在居家場所，服務機器人通常面對少量、固定的用戶，可以作為智能家居系統的入口，利用人臉識別、聲紋識別等生物識別技術為用戶提供個性化服務。相比之下，公共場所的服務機器人通常面對大量、不固定的用戶，此時提供穩定、可靠、標準化的服務更重要。其次，服務場所影響用戶與服務機器人的互動頻率與使用經驗。在居家場所，用戶與服務機器人的互動頻率高，使用經驗豐富，此時提高使用的便捷性和效率十分重要。然而公共場所的服務機器人面對的可能大多數是新手用戶，他們缺少使用經驗也沒有足夠的學習時間，此時易用性和容錯性更重要。再次，服務場所會影響人機關系，并且決定了合適的社會距離。一般來說，居家場所的人機關系更親密，公共場所的人機關系更疏遠，因此居家場所的服務機器人可以近距離靠近用戶，但是公共場所的服務機器人在接近用戶時需要保持適當的社交距離，以避免給用戶造成威脅、壓迫、焦慮等不適感。在設計人機交往距離時，可以參考Hall[107]提出的四類人際交往距離，分別是公共距離、社交距離、個人距離、親密距離。最后，服務場所也會影響人們對服務機器人的安全性和私密性的考量，其中居家場所對安全性和私密性的要求更高，有攝像頭的機器人可能會引起用戶的隱私擔憂。

5.2 機器人參與度

機器人參與度會影響服務接觸中顧客、員工、機器人三者的互動過程，根據服務機器人參與度（從低到高），可以區分出三種機器人服務模式：人工服務增強、人機聯合服務、機器人獨立服務。人工服務增強是指利用機器人來增強人的服務能力，最終依然由人直接提供服務，而機器人的作用在于輔助人類員工，幫助其提升服務效率與質量。例如，服務機器人能夠利用自身優勢—作為大型綜合服務系統的一部分—從多個系統調用API，進行信息檢索、處理、整合，并輸出可行方案給人類員工。人機聯合服務是指人類員工與服務機器人分工協作、共同提供服務。最常見的一個場景是餐廳傳菜，先由服務機器人將菜品從后廚送到顧客附近，再由服務人員將菜端上桌面。機器人獨立服務是指不需要人類員工的參與，機器人單獨提供服務，例如常見的掃地機器人。

5.3 顧客參與度

在服務接觸中，顧客參與行為十分普遍，其參與程度可能會影響服務體驗。Bitner等[105]將服務接觸中顧客參與程度分為低、中、高三類：低度參與是指顧客只需要出現在服務交付的過程中，付款或許是顧客的唯一投入，例如音樂會、快餐廳、航空旅行等；中度參與是指服務創造的過程需要消費者的輸入，例如理發、體檢、報稅等；高度參與是指顧客共同參與服務創造、影響服務結果，若脫離顧客參與則服務無法完成，例如旅游業、鋼琴課、瘦身項目等。傳統服務研究發現，顧客參與度可能會影響客戶對服務公司的滿意度、客戶忠誠度和消費支出等[108-109]，而且顧客參與是一把利弊并存的“雙刃劍”，會受到情境因素的影響，可能產生積極的或消極的效果[110]。類似的，在不同領域、不同情境的機器人服務中，顧客參與度的影響值得進一步探究。

5.4 失誤后果嚴重性

服務失誤是指服務表現未達到顧客對服務的評價標準，會影響顧客滿意度、未來消費意愿、信任與口碑等因素[111-112]。本文中的“服務失誤后果嚴重性”容易和現有文獻中的“服務失誤嚴重程度”（Service Failure Severity）相混淆，后者通常用來衡量顧客對服務失誤感知強度的評價[112]。從定義中可以看出，服務失誤嚴重程度一方面和顧客評價標準有關，一方面和服務表現有關。相比之下，本文中的服務失誤后果嚴重性不受個人評價標準的影響，而是依據客觀評價標準，例如餐廳的傳菜機器人和自動駕駛汽車相比，二者的失誤后果嚴重性不同，前者的服務失誤可能是上錯菜，后者的失誤則可能危及生命。因此，本文認為，失誤后果嚴重性可能會影響人們接受機器人服務的意愿，而且還可能受到個體風險偏好的影響。

5.5 有形與無形

Lovelock[113]提出根據服務對象和任務類型來劃分服務類型，服務對象是指服務接受者是人或物；任務類型是指服務是有形的或無形的。本文重點關注人作為服務接受者的機器人服務，常見的針對人的有形服務有餐廳、理發、美容等，針對人的無形服務有教育、音樂會、博物館等。服務的有形化或無形化決定了提供服務的機器人類型：有形化服務必須由實體機器人來提供，而無形化服務則允許更多類型的機器人[13]。現實中的無形化服務可以由多種虛擬機器人提供，如基于文本、語音、影像的和全息投影的機器人。與無形化服務相比，有形化服務中實體機器人和用戶共享物理空間，需要靠近甚至接觸顧客。因此，更需要考慮機器人的安全性、移動速度、人機交往距離等因素。

5.6 認知分析型與情感社交型

Writz等[13]從認知復雜度和情感–社交復雜度兩個維度討論了機器人服務類型，他們認為在高情感–社交復雜度的任務中人類員工更有優勢，而高認知復雜度的任務中機器人更有優勢。這也反映出部分人的固有印象，即認知分析型任務與機器人匹配，而情感社交型任務與人類匹配，這種固有印象可能會影響他們對不同類型的機器人服務的偏好。然而，這并不意味著機器人無法提供需要情感和社交的服務。目前，情感機器人的研發是一個熱門方向，研究人員利用人工智能技術賦予機器人類似人類的情感，使之能夠表達、識別、理解情緒，這對未來機器人服務的發展至關重要[114]。此外，認知分析型任務和情感社交型任務對機器人的要求也有所差異，前者看重服務質量，而后者看重人機關系。

6 總結與展望

服務機器人進入人類社會、融入人們的工作與生活已經是必然趨勢，與人工服務相比，現有研究肯定了機器人在實現無接觸服務[115]、提高服務效率[116]、降低服務成本[117]等方面的優勢。隨著機器人逐步融入人類社會，人與服務機器人的交互越來越普遍，為了更好地服務顧客，更順暢地與員工協作，服務機器人設計要從以技術為中心向以人為中心過渡。在這樣的背景下，本文提出了HSRI研究的“人-機-服務接觸”概念模型，從機器人屬性、人的因素、服務接觸特征三方面綜合考慮HSRI整體方案。綜合上述討論和分析，以下幾個問題在未來的HSRI研究中值得關注。

1）服務機器人的發展和應用階段。在現階段，服務機器人的一個重要角色是吸引顧客進入服務場景，其符號意義比實際服務能力更受顧客關注[117]。這是因為，目前的機器人服務尚處于早期階段，人們對服務機器人充滿了好奇心，促使顧客選擇機器人服務的主要動機是了解、感受與機器人的互動，這種新奇效應的存在也會影響人們對機器人的感知與評價。然而，隨著機器人的普及，人們對服務機器人的需求、態度和評價標準都是動態發展和變化的。因此，服務機器人的發展和應用階段是HSRI研究中應當考慮到的問題。

2）人與服務機器人的短期與長期互動。在現有的HSRI研究中，由于多方面的條件限制，大多數實驗都是邀請參試者與機器人進行短期的、一次性的互動，較少有研究能夠對人與服務機器人的互動進行長時間的追蹤觀察。然而，短期互動可能無法反映人機互動的全貌，從而導致實驗結果的局限性。因此，人機互動的時間周期也是HSRI研究中應當注意的問題。考慮到這一點，就需要回答“長期”應該是多長時間的問題，Leite[118]等認為，當用戶對機器人熟悉到一定程度后，對機器人的感知不再受到新奇效應的影響時，就可以認為這種互動是“長期的”。

3）服務機器人發展中的倫理問題。隨著服務機器人進入人類社會，與之相關的倫理問題將不可避免。第一，服務機器人的責任問題引發廣泛關注。有學者指出，人機聯合行動的原因不僅在于人或機器人，而且是出自人機聯合行動體，因此應當根據人機聯合行動的特征，建構人機聯合責任體，共同承擔聯合責任[119]；第二，人機關系問題值得關注，人與服務機器人的互動模擬了人際交往的過程，未來服務機器人很可能擁有自己的社會角色，與人類進行社交互動并建立不同類型的關系。在人類與機器人共存的時代，理解人機關系就像理解人際關系一樣重要；第三，兒童對機器人的認知與依賴問題值得關注，未來當家庭服務機器人成為兒童的照護者、教育者或玩伴等角色時，過早接觸機器人的兒童可能無法正確分辨人與機器人的差別，這種情況可能會影響到兒童后續的人際社交活動，此外兒童也可能存在過度依賴機器人的問題。當然，服務機器人所涉及的倫理問題不局限于本文所述，服務機器人的設計和研發應當牢記需要開發負責任、合乎倫理道德的機器人，HSRI研究也需要考慮到服務機器人對社會倫理的影響。

7 結語

智能機器人正在快速進入服務業，服務接觸中的人機互動體驗及其影響因素是當前服務機器人研究的一個重要方向。本文從機器人屬性、人的因素、服務接觸特征三個方面梳理了人機服務接觸體驗的影響因素。首先，機器人作為服務的提供者，其自身屬性會影響人機服務接觸體驗，例如機器人的擬人化設計、性別、種族與文化、可用性、透明度、形體與呈現；其次，人作為人機互動的主體，其年齡、性別、文化、人格特質、技術就緒指數、對機器人的負面態度等因素也會影響人機服務接觸體驗。最后，服務接觸所發生的場所、機器人的參與度、顧客的參與度、服務失誤后果的嚴重性，以及有形服務或無形服務、認知分析型服務或情感社交型服務也是人機服務接觸體驗的潛在影響因素。未來研究及相關設計人員應綜合考慮人、機、服務三個方面的影響因素，開展“以人為中心的”服務機器人的研究與設計。

[1] J?RLING M, B?HM R, PALUCH S. Service Robots: Drivers of Perceived Responsibility for Service Outcomes[J]. Journal of Service Research, 2019, 22(4): 404-420.

[2] VAN DOORN J, MENDE M, NOBLE S M, et al. Domo Arigato Mr. Roboto[J]. Journal of Service Research, 2017, 20(1): 43-58.

[3] FOX J, GAMBINO A. Relationship Development with Humanoid Social Robots: Applying Interpersonal Theo-ries to Human-Robot Interaction[J]. Cyberpsychology, Behavior and Social Networking, 2021, 24(5): 294-299.

[4] GROOM V, SRINIVASAN V, BETHEL C L, et al. Responses to Robot Social Roles and Social Role Framing[C]// 2011 International Conference on Collaboration Technologies and Systems (CTS). Philadelphia: IEEE, 2011: 194-203.

[5] HO T H, TOJIB D, TSARENKO Y. Human Staff Vs. Service Robot Vs. Fellow Customer: Does it Matter who Helps your Customer Following a Service Failure Incident?[J]. International Journal of Hospitality Management, 2020, 87: 102501.

[6] QIU Hai-lian, LI Ming-long, SHU Bo-yang, et al. Enhancing Hospitality Experience with Service Robots: The Mediating Role of Rapport Building[J]. Journal of Hospitality Marketing & Management, 2020, 29(3): 247-268.

[7] SODERLUND M, OIKARINEN E L, TAN T M. The Happy Virtual Agent and Its Impact on the Human Customer in the Service Encounter[J]. Journal of Retailing and Consumer Services, 2021, 59: 102401.

[8] PALUCH S, TUZOVIC S, HOLZ H, et al. "my Colleague is a Robot" - Exploring Frontline Employees' Willingness to Work with Collaborative Service Robots[J]. Journal of Service Management, 2021, 33(2): 363-388.

[9] ?TTING S K, MASJUTIN L, STEIL J J, et al. Let's Work Together: A Meta-Analysis on Robot Design Features that Enable Successful Human-Robot Interaction at Work[J]. Human Factors, 2022, 64(6): 1027-1050.

[10] LEI Xin, RAU P L P. Effects of Task Structure and Attribution Target on Responsibility Attributions in Human-Robot Interaction[J]. International Journal of Human-Computer Studies, 2023, 176: 103038.

[11] Robotics, ISO 8373:2021[S].

[12] BELANCHE D, CASALó L V, FLAVIáN C, et al. Service Robot Implementation: A Theoretical Framework and Research Agenda[J]. The Service Industries Journal, 2020, 40(3-4): 203-225.

[13] WIRTZ J, PATTERSON P G, KUNZ W H, et al. Brave New World: Service Robots in the Frontline[J]. Journal of Service Management, 2018, 29(5): 907-931.

[14] BEER J M, FISK A D, ROGERS W A. Toward a Framework for Levels of Robot Autonomy in Human-Robot Interaction[J]. Journal of Human-Robot Interaction, 2014, 3(2): 74-99.

[15] RAJAN K, SAFFIOTTI A. Towards a Science of Integrated AI and Robotics[J]. Artificial Intelligence, 2017, 247: 1-9.

[16] KANG H S, MAKIMOTO K, KONNO R, et al. Review of Outcome Measures in PARO Robot Intervention Studies for Dementia Care[J]. Geriatric Nursing, 2020, 41(3): 207-214.

[17] NASS C, STEUER J, TAUBER E R. Computers are Social Actors[C]// Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. New York: ACM, 1994: 72-78.

[18] REEVES B, NASS C I. The media equation: how people treat computers, televisions, and new media like real people and places[M]. Stanford, Calif: CSLI Publications, 1996.

[19] BREAZEAL C L. Designing sociable robots[M]. Cam-bridge, Mass: MIT Press, 2002.

[20] YOUNG J E, HAWKINS R, SHARLIN E, et al. Toward Acceptable Domestic Robots: Applying Insights from Social Psychology[J]. International Journal of Social Robotics, 2009, 1(1): 95-108.

[21] ROESLER E, MANZEY D, ONNASCH L. A Meta-Analysis on the Effectiveness of Anthropomorphism in Human-Robot Interaction[J]. Science Robotics, 2021, 6(58): eabj5425.

[22] 許麗穎, 喻豐. 機器人接受度的影響因素[J]. 科學通報, 2020, 65(6): 496-510.XU Li-ying, YU Feng. Factors that Influence Robot Acceptance[J]. Chinese Science Bulletin, 2020, 65(6): 496-510.

[23] LAW T, CHITA-TEGMARK M, SCHEUTZ M. The Interplay between Emotional Intelligence, Trust, and Gender in Human-Robot Interaction[J]. International Journal of Social Robotics, 2021, 13(2): 297-309.

[24] ANDRIST S, ZIADEE M, BOUKARAM H, et al. Effects of Culture on the Credibility of Robot Speech: A Comparison between English and Arabic[C]//Pro-ceedings of the Tenth Annual ACM/IEEE International Conference on Human-Robot Interaction.. New York: ACM, 2015: 157-164.

[25] GER?OWSKA J, SKROBAS U, GRABOWSKA- ALEKSANDROWICZ K, et al. Assessment of Perceived Attractiveness, Usability, and Societal Impact of a Multimodal Robotic Assistant for Aging Patients with Memory Impairments[J]. Frontiers in Neurology, 2018, 9: 392.

[26] NESSET B, ROBB D A, LOPES J, et al. Transparency in HRI: Trust and Decision Making in the Face of Robot Errors[C]// HRI '21 Companion: Companion of the 2021 ACM/IEEE International Conference on Human-Robot Interaction. New York: ACM, 2021: 313-317.

[27] LI J. The Benefit of being Physically Present: A Survey of Experimental Works Comparing Copresent Robots, Telepresent Robots and Virtual Agents[J]. International Journal of Human-Computer Studies, 2015, 77: 23-37.

[28] 許麗穎, 喻豐, 鄔家驊, 等. 擬人化：從“它”到“他”[J]. 心理科學進展, 2017, 25(11): 1942-1954.XU Li-ying, YU Feng, WU Jia-hua, et al. Personification: From "It" to "He"[J]. Advances in Psychological Science, 2017, 25(11): 1942-1954.

[29] EPLEY N, WAYTZ A, CACIOPPO J T. On Seeing Human: A Three-Factor Theory of Anthropomorphism [J]. Psychological Review, 2007, 114(4): 864-886.

[30] WAYTZ A, MOREWEDGE C K, EPLEY N, et al. Making Sense by Making Sentient: Effectance Motivation Increases Anthropomorphism[J]. Journal of Per-sonality and Social Psychology, 2010, 99(3): 410-435.

[31] EYSSEL F, KUCHENBRANDT D. Social Categorization of Social Robots: Anthropomorphism as a Function of Robot Group Membership[J]. British Journal of Social Psychology, 2012, 51(4): 724-731.

[32] KIESLER S, HINDS P. Introduction to this Special Issue on Human-Robot Interaction[J]. Human-Computer Interaction, 2004, 19(1-2): 1-8.

[33] DE GRAAF M M A, BEN ALLOUCH S. Users' Preferences of Robots for Domestic Use[C]// Proceedings of the 2014 ACM/IEEE international conference on Human-robot interaction. New York: ACM, 2014: 146-147.

[34] VAN PINXTEREN M M E, WETZELS R W H, RüGER J, ET AL. Trust in Humanoid Robots: Implications for Services Marketing[J]. Journal of Services Marketing, 2019, 33(4): 507-518.

[35] MORI M, MACDORMAN K F, KAGEKI N. The Uncanny Valley [from the Field][J]. IEEE Robotics & Automation Magazine, 2012, 19(2): 98-100.

[36] CARPENTER J, DAVIS J M, ERWIN-STEWART N, et al. Gender Representation and Humanoid Robots Designed for Domestic Use[J]. International Journal of Social Robotics, 2009, 1(3): 261-265.

[37] TAY B, JUNG Y, PARK T. When Stereotypes Meet Robots: The Double-Edge Sword of Robot Gender and Personality in Human-Robot Interaction[J]. Computers in Human Behavior, 2014, 38: 75-84.

[38] ELLEMERS N. Gender Stereotypes[J]. Annual Review of Psychology, 2018, 69: 275-298.

[39] STROESSNER S J, BENITEZ J. The Social Perception of Humanoid and Non-Humanoid Robots: Effects of Gendered and Machinelike Features[J]. International Journal of Social Robotics, 2019, 11(2): 305-315.

[40] BRYANT D, BORENSTEIN J, HOWARD A. Why should we Gender? : The Effect of Robot Gendering and Occupational Stereotypes on Human Trust and Perceived Competency[C]// Proceedings of the 2020 ACM/IEEE International Conference on Human-Robot Interaction. New York: ACM, 2020: 13-21.

[41] ROESLER E, NAENDRUP-POELL L, MANZEY D, et al. Why Context Matters: The Influence of Application Domain on Preferred Degree of Anthropomorphism and Gender Attribution in Human-Robot Interaction[J]. International Journal of Social Robotics, 2022, 14(5): 1155-1166.

[42] 佐斌, 溫芳芳, 宋靜靜, 等. 社會分類的特性、維度及心理效應[J]. 心理科學進展, 2019, 27(1): 141-148.ZUO Bin, WEN Fang-fang, SONG Jing-jing, et al. The Characteristics, Dimensions and Psychological Effect of Social Categorization[J]. Advances in Psy-chological Science, 2019, 27(1): 141-148.

[43] PATRICK RAU P L, LI Ye, LI Ding-jun. Effects of Communication Style and Culture on Ability to Accept Recommendations from Robots[J]. Computers in Human Behavior, 2009, 25(2): 587-595.

[44] ERESHA G, H?RING M, ENDRASS B, et al. Investigating the Influence of Culture on Proxemic Behaviors for Humanoid Robots[C]// 2013 IEEE RO-MAN. Gyeongju: IEEE, 2013: 430-435.

[45] LEE H R, SABANOVI? S. Culturally Variable Preferences for Robot Design and Use in South Korea, Turkey, and the United States[C]// Proceedings of the 2014 ACM/IEEE International Conference on Human-robot Interaction. New York: ACM, 2014: 17-24.

[46] HOFSTEDE G. Dimensionalizing Cultures: The Hofstede Model in Context[J]. Online Readings in Psychology and Culture, 2011, 2(1): 8.

[47] LI Yi, WANG Chong-li. Effect of Customer's Perception on Service Robot Acceptance[J]. International Journal of Consumer Studies, 2022, 46(4): 1241-1261.

[48] STOCK R M, MERKLE M. A Service Robot Acceptance Model: User Acceptance of Humanoid Robots during Service Encounters[C]// 2017 IEEE International Conference on Pervasive Computing and Communications Workshops (PerCom Workshops). Kona: IEEE, 2017: 339-344.

[49] ROSE J, FOGARTY G J. Determinants of Perceived Usefulness and Perceived Ease of Use in the Technology Acceptance Model: Senior Consumers' Adoption of Self-Service Banking Technologies[C]// Proceedings of the 2nd Biennial Conference of the Academy of World Business, Marketing and Management Development: Business Across Borders in the 21st Century. Perth: Academy of World Business, Marketing and Management Development, 2006: 122-129.

[50] FUENTES-MORALEDA L, DíAZ-PéREZ P, OREA- GINER A, et al. Interaction between Hotel Service Robots and Humans: A Hotel-Specific Service Robot Acceptance Model (sRAM)[J]. Tourism Management Perspectives, 2020, 36: 100751.

[51] WORTHAM R H, THEODOROU A. Robot Transparency, Trust and Utility[J]. Connection Science, 2017, 29(3): 242-248.

[52] GUNNING D, STEFIK M, CHOI J, et al. XAI-Ex-plainable Artificial Intelligence[J]. Science Robotics, 2019, 4(37): 7120.

[53] LYONS J B. Being Transparent about Transparency: A Model for Human-Robot Interaction[C]// 2013 AAAI Spring Symposium Series. Palo Alto: Association for the Advancement of Artificial Intelligence, 2013: 48-53.

[54] VORM E S. Assessing Demand for Transparency in Intelligent Systems Using Machine Learning[C]// 2018 Innovations in Intelligent Systems and Applications (INISTA). Thessaloniki: IEEE, 2018: 1-7.

[55] PARASURAMAN R, RILEY V. Humans and Automation: Use, Misuse, Disuse, Abuse[J]. Human Factors: the Journal of the Human Factors and Ergonomics Society, 1997, 39(2): 230-253.

[56] GUZNOV S, LYONS J, PFAHLER M, et al. Robot Transparency and Team Orientation Effects on Human-Robot Teaming[J]. International Journal of Human-Computer Interaction, 2020, 36(7): 650-660.

[57] WRIGHT J L, CHEN J Y C, LAKHMANI S G. Agent Transparency and Reliability in Human-Robot Interaction: The Influence on User Confidence and Perceived Reliability[J]. IEEE Transactions on Human- Machine Systems, 2019, 50(3): 254-263.

[58] KIM T, HINDS P. Who should I Blame? Effects of Autonomy and Transparency on Attributions in Human-Robot Interaction[C]// ROMAN 2006 - The 15th IEEE International Symposium on Robot and Human Interactive Communication. Hatfield: IEEE, 2007: 80-85.

[59] WANG Bing-cheng, RAU P L P. Influence of Embodiment and Substrate of Social Robots on Users' Decision-Making and Attitude[J]. International Journal of Social Robotics, 2019, 11(3): 411-421.

[60] WAINER J, FEIL-SEIFER D J, SHELL D A, et al. The Role of Physical Embodiment in Human-Robot Interaction[C]//ROMAN 2006 - The 15th IEEE International Symposium on Robot and Human Interactive Communication. Hatfield: 2007: 117-122.

[61] SEO S H, GEISKKOVITCH D, NAKANE M, et al. Poor Thing! would You Feel Sorry for a Simulated Robot? : A Comparison of Empathy Toward a Physical and a Simulated Robot[C]// Proceedings of the Tenth Annual ACM/IEEE International Conference on Human- Robot Interaction. New York: ACM, 2015: 125-132.

[62] SINOO C, VAN DER PAL S, BLANSON HENKEMANS O A, et al. Friendship with a Robot: Children's Perception of Similarity between a Robot's Physical and Virtual Embodiment that Supports Diabetes Self- Management[J]. Patient Education and Counseling, 2018, 101(7): 1248-1255.

[63] VASCO V, WILLEMSE C, CHEVALIER P, et al. Train with Me: A Study Comparing a Socially Assistive Robot and a Virtual Agent for a Rehabilitation Task[C]// International Conference on Social Robotics. Cham: Springer, 2019: 453-463.

[64] WIRTZ J. Organizational Ambidexterity: Cost-Effective Service Excellence, Service Robots, and Artificial Intelligence[J]. Organizational Dynamics, 2020, 49(3): 100719.

[65] XU Qian-li, NG J S L, TAN O Y, et al. Needs and Attitudes of Singaporeans towards Home Service Robots: A Multi-Generational Perspective[J]. Universal Access in the Information Society, 2015, 14(4): 477-486.

[66] DAUTENHAHN K, WALTERS M, WOODS S, et al. How may I Serve You? : A Robot Companion Approaching a Seated Person in a Helping Context[C]// Proceedings of the 1st ACM SIGCHI/SIGART conference on Human-robot interaction. New York: ACM, 2006: 172-179.

[67] LIM V, ROOKSBY M, CROSS E S. Social Robots on a Global Stage: Establishing a Role for Culture during Human-Robot Interaction[J]. International Journal of Social Robotics, 2021, 13(6): 1307-1333.

[68] ALY A, TAPUS A. A Model for Synthesizing a Combined Verbal and Nonverbal Behavior Based on Perso-nality Traits in Human-Robot Interaction[C]// 2013 8th ACM/IEEE International Conference on Human- Robot Interaction (HRI). Tokyo: IEEE, 2013: 325-332.

[69] GAO J, REN L, YANG Y, ET AL. The impact of artificial intelligence technology stimuli on smart customer experience and the moderating effect of technology readiness[J]. International Journal of Emerging Markets, 2022, 17(4): 1123-1142.

[70] NOMURA T, KANDA T, SUZUKI T, et al. Prediction of Human Behavior in Human—Robot Interaction Using Psychological Scales for Anxiety and Negative Attitudes Toward Robots[J]. IEEE Transactions on Robotics, 2008, 24(2): 442-451.

[71] DEARY I J, CORLEY J, GOW A J, et al. Age-Associated Cognitive Decline[J]. British Medical Bulletin, 2009, 92(1): 135-152.

[72] TURNER P, TURNER S, VAN DE WALLE G. How Older People Account for Their Experiences with Interactive Technology[J]. Behaviour & Information Technology, 2007, 26(4): 287-296.

[73] CZAJA S J, CHARNESS N, FISK A D, et al. Factors Predicting the Use of Technology: Findings from the Center for Research and Education on Aging and Technology Enhancement (CREATE)[J]. Psychology and Aging, 2006, 21(2): 333-352.

[74] EZER N, FISK A D, ROGERS W A. Attitudinal and Intentional Acceptance of Domestic Robots by Younger and Older Adults[C]// International Conference on Universal Access in Human-Computer Interaction. Berlin: Springer, 2009: 39-48.

[75] KACHOUIE R, SEDIGHADELI S, KHOSLA R, et al. Socially Assistive Robots in Elderly Care: A Mixed- Method Systematic Literature Review[J]. International Journal of Human-Computer Interaction, 2014, 30(5): 369-393.

[76] ROBINSON H, MACDONALD B, BROADBENT E. The Role of Healthcare Robots for Older People at Home: A Review[J]. International Journal of Social Robotics, 2014, 6(4): 575-591.

[77] BAXTER P E, ASHURST E J, READ R, et al. Robot Education Peers in a Situated Primary School Study: Personalisation Promotes Child Learning[J]. PLOS ONE, 2017, 12(5): e0178126.

[78] BELPAEME T, KENNEDY J, RAMACHANDRAN A, et al. Social Robots for Education: A Review[J]. Science Robotics, 2018, 3(21): eaat5954.

[79] WANG Y, YOUNG J E. Beyond "Pink" and "Blue": Gendered Attitudes towards Robots in Society[C]// Proceedings of Gender and IT appropriation. Science and practice on dialogue-forum for interdisciplinary exchange. Siegen: European Society for Socially Embedded Technologies, 2014: 49-59.

[80] NOMURA T, TAKAGI S. Exploring Effects of Educational Backgrounds and Gender in Human-Robot Interaction[C]//2011 International Conference on User Science and Engineering (i-USEr). Selangor, Malaysia. IEEE, 2012: 24-29.

[81] GALLIMORE D, LYONS J B, VO T, et al. Trusting Robocop: Gender-Based Effects on Trust of an Auto-nomous Robot[J]. Frontiers in Psychology, 2019, 10: 482.

[82] SHOWKAT D, GRIMM C. Identifying Gender Differences in Information Processing Style, Self-Efficacy, and Tinkering for Robot Tele-Operation[C]// 2018 15th International Conference on Ubiquitous Robots (UR). Honolulu: IEEE, 2018: 443-448.

[83] SHASHAANI L. Gender Differences in Computer Attitudes and Use among College Students[J]. Journal of Educational Computing Research, 1997, 16(1): 37-51.

[84] VEKIRI I, CHRONAKI A. Gender Issues in Technology Use: Perceived Social Support, Computer Self- Efficacy and Value Beliefs, and Computer Use beyond School[J]. Computers & Education, 2008, 51(3): 1392-1404.

[85] LEI Xin, RAU P L P. Should I Blame the Human or the Robot? Attribution within a Human-Robot Group [J]. International Journal of Social Robotics, 2021, 13(2): 363-377.

[86] BARTNECK C, NOMURA T, KANDA T, ET AL. A cross-cultural study on attitudes towards robots[C]// Pro-ceedings of the HCI International. Mahwah: Lawrence Erlbaum Associates, 2005 (10): 25.

[87] LI Ding-jun, PATRICK RAU P L, LI Ye. A Cross- Cultural Study: Effect of Robot Appearance and Task[J]. International Journal of Social Robotics, 2010, 2(2): 175-186.

[88] MACDORMAN K F, VASUDEVAN S K, HO C C. Does Japan Really Have Robot Mania? Comparing Attitudes by Implicit and Explicit Measures[J]. Ai & Society, 2009, 23(4): 485-510.

[89] WANG Lin, RAU P L P, EVERS V, et al. When in Rome: The Role of Culture & Context in Adherence to Robot Recommendations[C]// 2010 5th ACM/IEEE International Conference on Human-Robot Interaction (HRI). Osaka: IEEE, 2010: 359-366.

[90] ALLPORT F H, ALLPORT G W. Personality Traits: Their Classification and Measurement[J]. The Journal of Abnormal Psychology and Social Psychology, 1921, 16(1): 6-40.

[91] CHRISTENSEN A P, GOLINO H, SILVIA P J. A Psychometric Network Perspective on the Validity and Validation of Personality Trait Questionnaires[J]. Euro-pean Journal of Personality, 2020, 34(6): 1095-1108.

[92] HERRERO R, GARCíA-PALACIOS A, CASTILLA D, et al. Virtual Reality for the Induction of Positive Emotions in the Treatment of Fibromyalgia: A Pilot Study over Acceptability, Satisfaction, and the Effect of Virtual Reality on Mood[J]. Cyberpsychology, Behavior, and Social Networking, 2014, 17(6): 379-384.

[93] OH S H, KIM Y M, LEE C W, et al. Consumer Adoption of Virtual Stores in Korea: Focusing on the Role of Trust and Playfulness[J]. Psychology & Marketing, 2009, 26(7): 652-668.

[94] SVENDSEN G B, JOHNSEN J A K, ALM?S- S?RENSEN L, et al. Personality and Technology Acceptance: The Influence of Personality Factors on the Core Constructs of the Technology Acceptance Model [J]. Behaviour & Information Technology, 2013, 32(4): 323-334.

[95] WALTERS M L, DAUTENHAHN K, TE BOEKHORST R, et al. The Influence of Subjects' Personality Traits on Personal Spatial Zones in a Human-Robot Interaction Experiment[C]// ROMAN 2005. IEEE International Workshop on Robot and Human Interactive Communication. Nashville: IEEE, 2005: 347-352.

[96] MICK D G, FOURNIER S. Paradoxes of Technology: Consumer Cognizance, Emotions, and Coping Strategies[J]. Journal of Consumer Research, 1998, 25(2): 123-143.

[97] PARASURAMAN A, COLBY C L. An Updated and Streamlined Technology Readiness Index[J]. Journal of Service Research, 2015, 18(1): 59-74.

[98] PARASURAMAN A. Technology Readiness Index (Tri)[J]. Journal of Service Research, 2000, 2(4): 307-320.

[99] WALCZUCH R, LEMMINK J, STREUKENS S. The Effect of Service Employees' Technology Readiness on Technology Acceptance[J]. Information & Management, 2007, 44(2): 206-215.

[100] NOMURA T, SUZUKI T, KANDA T, et al. Measurement of Negative Attitudes Toward Robots[J]. 2006, 7(3): 437-454.

[101] NOMURA T, KANDA T, SUZUKI T. Experimental Investigation into Influence of Negative Attitudes Toward Robots on Human-Robot Interaction[J]. Ai & Society, 2006, 20(2): 138-150.

[102] MORSUNBUL U. Human-Robot Interaction: How do Personality Traits Affect Attitudes towards Robot?[J]. Journal of Human Sciences, 2019, 16(2): 499-504.

[103] KIM G, CHUNG W. Navigation Behavior Selection Using Generalized Stochastic Petri Nets for a Service Robot[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2007, 37(4): 494-503.

[104] REIS J, MEL?O N, SALVADORINHO J, et al. Service Robots in the Hospitality Industry: The Case of Henn-Na Hotel, Japan[J]. Technology in Society, 2020, 63: 101423.

[105] BITNER M J, FARANDA W T, HUBBERT A R, et al. Customer Contributions and Roles in Service Delivery[J]. International Journal of Service Industry Management, 1997, 8(3): 193-205.

[106] ROBINSON H, MACDONALD B, KERSE N, et al. The Psychosocial Effects of a Companion Robot: A Randomized Controlled Trial[J]. Journal of the Ameri-can Medical Directors Association, 2013, 14(9): 661-667.

[107] HALL E T. The Hidden Dimension[M]. Garden City: Doubleday, 1966.

[108] GRISSEMANN U S, STOKBURGER-SAUER N E. Customer Co-Creation of Travel Services: The Role of Company Support and Customer Satisfaction with the Co-Creation Performance[J]. Tourism Management, 2012, 33(6): 1483-1492.

[109] MATHIS E F, KIM H, UYSAL M, et al. The Effect of Co-Creation Experience on Outcome Variable[J]. Annals of Tourism Research, 2016, 57: 62-75.

[110] 范秀成, 杜琰琰. 顧客參與是一把“雙刃劍”——顧客參與影響價值創造的研究述評[J]. 管理評論, 2012, 24(12): 64-71. FAN Xiu-cheng, DU Yan-yan. Customer Participation is a "Double-Edged Sword" —A Review about the Effects of Customer Participation in Value Creation[J]. Management Review, 2012, 24(12): 64-71.

[111] HESS R L, GANESAN S, KLEIN N M. Service Failure and Recovery: The Impact of Relationship Factors on Customer Satisfaction[J]. Journal of the Academy of Marketing Science, 2003, 31(2): 127-145.

[112] WEUN S, BEATTY S E, JONES M A. The Impact of Service Failure Severity on Service Recovery Evaluations Andpost‐recovery Relationships[J]. Journal of Services Marketing, 2004, 18(2): 133-146.

[113] LOVELOCK C H. Classifying Services to Gain Strategic Marketing Insights[J]. Journal of Marketing, 1983, 47(3): 9.

[114] CHUAH S H W, YU J. The Future of Service: The Power of Emotion in Human-Robot Interaction[J]. Journal of Retailing and Consumer Services, 2021, 61: 102551.

[115] KIM S, KIM J, BADU-BAIDEN F, et al. Preference for Robot Service or Human Service in Hotels? Impacts of the COVID-19 Pandemic[J]. International Journal of Hospitality Management, 2021, 93: 102795.

[116] HUANG Ming-hui, RUST R T. Engaged to a Robot? the Role of AI in Service[J]. Journal of Service Research, 2021, 24(1): 30-41.

[117] 許馨芷. “看, 機器人!”——人工智能機器人在服務實踐中的多元角色構建[J]. 科學與社會, 2022, 12(1): 37-64. XU Xin-zhi. "Look, Robots!" —The Dynamic Construction of Artificial Intelligent Robot's Social Role(s) in Service Practices[J]. Science and Society, 2022, 12(1): 37-64.

[118] LEITE I, MARTINHO C, PAIVA A. Social Robots for Long-Term Interaction: A Survey[J]. International Journal of Social Robotics, 2013, 5(2): 291-308.

[119] 郭菁. 基于人機聯合行動體的責任歸因[J]. 自然辯證法研究, 2020, 36(11): 54-60. GUO Jing. Ascribing Responsibility for the Human-Machine Joint Actor[J]. Studies in Dialectics of Nature, 2020, 36(11): 54-60.

Influencing Factors of Human-Robot Service Encounter Experience

RAU Pei-luen Patrick1, LEI Xin2

(1.Tsinghua University, Beijing 100084, China; 2.School of Management, Zhejiang University of Technology, Hangzhou 310023, China)

The progress of artificial intelligence and robot technology promotes the intelligent robots to enter the service industry, accelerating the digital, personalized and intelligent development of the service industry. As service robots become increasingly prevalent in the human society, the research on human service robot interaction (HSRI) is shifting from a "technology-centric" focus to a more "human-centric" approach. Under such a background, the work aims to review the research on HSRI and sort out the influencing factors of HSRI from human, robot and service encounter. Through literature collection and arrangement, the definition and characteristics of service robots were expounded and the influencing factors from human factors, robot attributes and service encounter characteristics were organized. The three influencing factors of HSRI were robot attributes (including anthropomorphic design, gender, race and culture, usability, transparency, embodiments and presence), human factors (including age, gender, culture, personality traits, technology readiness index, negative attitudes towards the robot) and service encounter characteristics (including service location, robot involvement, customer involvement, severity of failure consequences, tangible versus intangible, cognitive-analytic versus emotional-social). Finally, the research on HSRI should comprehensively consider three aspects of human factors, robot attributes, and service encounter characteristics, pay attention to the development and application stages of service robots, and design and develop service robots within the framework of social ethics.

service robot; intelligent robot; human-robot interaction; service encounter

F27；TB472

A

1001-3563(2023)12-0077-12

10.19554/j.cnki.1001-3563.2023.12.008

2022–01–05

國家自然科學基金（71942005）；國家重點研發計劃（2018AAA0101702）

饒培倫（1970—），男，博士，教授，主要研究方向為人因工程、人機交互。

雷心（1994—），女，博士，講師，主要研究方向為人因工程、人機交互。

責任編輯：陳作