用戶感知視角下人格匹配對社會支持聊天機器人親密感的影響研究

摘要：[目的/意義]探究社會支持情境下，用戶與聊天機器人在能動與共生維度的感知人格匹配對親密感的影響，為提升社會支持聊天機器人的服務質量與用戶體驗提供理論依據和實踐指引。[方法/過程]基于用戶感知視角和社會交換理論，開展情景實驗獲取人格及用戶體驗數據，采用多項式回歸與響應面分析方法探究用戶能動人格與感知能力、共生人格與感知溫暖的匹配對用戶親密感的影響機制。[結果/結論]在不同維度的不同匹配類型下，用戶人格與聊天機器人感知人格的不同組合方式對用戶自我表露意愿的影響存在顯著差異；用戶對聊天機器人的感知能力與感知溫暖是影響用戶自我表露意愿的關鍵因素；用戶自我表露意愿在人智感知人格匹配與親密感的關系中發揮中介作用。研究揭示人格匹配對人智交互用戶體驗的影響實質，證實自我表露意愿在人機關系建立與發展中的重要作用，為社會支持聊天機器人的設計方案提供指導建議。

關鍵詞：人智交互；社會支持；人格匹配；自我表露；親密感

分類號：G252.7

CSTR： 32306.14.CN11-6036.2025.004

DOI： 10.13266/j.issn.2095-5472.2025.004

引用格式：陳靜， 易方興. 用戶感知視角下人格匹配對社會支持聊天機器人親密感的影響研究[J/OL]. 知識管理論壇， 2025， 10（1）： 46-63 [引用日期]. http：//www.kmf.ac.cn/p/419/. （Citation： Chen Jing， Yi Fangxin. Study on the Impact of Personality Matching on Intimacy of Social Support Chatbots from the Perspective of User Perception[J/OL]. Knowledge Management Forum， 2025， 10（1）： 46-63 [cite date]. http：//www.kmf.ac.cn/p/419/.）

1" 引言/Introduction

心理健康是人類福祉的一個重要方面[1]。目前，情緒障礙（如抑郁、焦慮和壓力）影響著全世界數百萬人，顯著降低了人們的生活質量和生產力[2]。社會支持是改善心理健康的有效手段，它是指個體通過與他人、團體及社區之間的社會互動和聯系獲得的個人支持[3-4]。隨著人工智能技術的進步，智能體已被用于提供支持性對話，以改善經歷壓力的人的心理健康，這類智能體被稱為社會支持聊天機器人（social support chatbot）[5]。在社會支持的情境中，人們不僅從聊天機器人處獲取信息，而且希望在互動中建立更親密的關系[6]，這種親密感與互動結果之間存在正相關關系，并影響著人智關系的后續發展[7]?，F有研究發現，聊天機器人可以通過引發用戶的自我表露，增強用戶的親密感，實現有效的社會支持[8-9]。

人格是決定和反映個體如何對環境做出反應的內在心理特征，它的穩定性為個體提供了一種可預測性，使得個體能夠對他人的行為做出預判，從而建立關系[10-11]。根據計算機是社會行動者（computers are social actors，CASA）范式，用戶傾向于把計算機看作類人的行為主體，賦予計算機人格，并將基于人格的相似吸引與互補吸引原則應用于人智交互[12-13]?，F有的人智交互研究已經在人格匹配對用戶態度與行為的影響上進行了大量探索，發現用戶與聊天機器人人格間的相似匹配與互補匹配均能影響用戶體驗[14-17]。值得關注的是，現有研究聚焦于比較相似與互補兩種匹配類型的差異，但對不同匹配類型中不同人格組合模式的探索較少，難以揭示人格匹配對人智交互用戶體驗的影響實質，也無法為智能體的個性化設計提供深入指導。社會交換理論（Social Exchange Theory，SET）被廣泛應用于解釋人際交往中個體的行為與關系動機，它強調在人際交往的過程中，個體會基于成本和收益評估決定是否與他人建立關系[18]，這為理解人格匹配如何以及為何影響用戶體驗提供了理論框架。人智交互本質上是社會性和人際性的[19]，在社會支持情境下，用戶自身人格與其對聊天機器人感知人格的不同組合方式會影響用戶在交互過程中對成本與收益的評估，只有當用戶的感知收益大于感知成本時，用戶才會向聊天機器人進行自我表露并建立親密感，這將進一步決定二者關系的后續走向[20]。

在二元交往的過程中，個體對自身人格與對他人人格感知間的關系是雙方互動體驗的重要影響因素[21]，而能動（agency）與共生（communion）是人們在社會互動中感知自我與他人的基本維度[22-24]。現有研究表明，用戶對聊天機器人的感知人格可以分為能力與溫暖，分別對應能動維度和與共生維度[25-26]。對用戶而言，能動人格與共生人格一直被認為是核心人格變量，并被稱為“大二人格”，反映了用戶對自我的認知[27]。用戶能動人格與對聊天機器人的感知能力在能動維度上兼容，用戶共生人格與對聊天機器人的感知溫暖在共生維度上兼容[28]。在人智交互領域，人格匹配的相關研究大多直接將人類人格框架應用于聊天機器人，并未考慮用戶感知在其中發揮的作用以及人類人格框架的適用性[7]。同時，以往研究大多只考慮了某一人格維度的匹配，忽略了人格的多維性與復雜性[29]。因此，筆者選取能動與共生這兩個社會認知的基本維度，探究用戶人格與聊天機器人感知人格在不同維度下的不同匹配模式對人智交互用戶體驗的影響。

基于以上分析，筆者采取情景實驗的方法，構建面向社會支持的人智對話情景，利用問卷收集人格和用戶體驗等相關變量，采用多項式回歸（polynomial regression）與響應面分析方法[30]（response surface analysis）探究用戶人格與聊天機器人感知人格在不同維度的不同匹配模式對用戶親密感的影響機制，為社會支持聊天機器人的個性化與定制化設計提供深入指導，以期推動人本人工智能的發展。

2" 相關研究/Literature review

2.1" 人智交互中的用戶自我表露意愿與親密感

所有通過社會互動和關系提供的支持資源都被稱為社會支持[31]，它有助于改善人們的心理健康[32]。在面向社會支持的人智對話中，用戶的自我表露意愿與親密感扮演著至關重要的角色[33]。當用戶向聊天機器人透露個人信息和內心感受時，他們更可能感受到被理解和支持，這有助于緩解壓力和提升心理健康[34]。親密感則反映了用戶與聊天機器人之間情感聯系的深度，它與互動結果之間存在正相關關系[6]。社會滲透理論（Social Penetration Theory，SPT）指出，當個體揭示自我的想法與感受時，關系將以一種有序和相對可預測的方式發展，從而在交互雙方之間創造了積極和親密的氛圍[35]。G. Park等發現用戶對心理健康咨詢聊天機器人的情感表露意愿能夠顯著影響用戶的親密感，并且這種親密感會轉化為更高的用戶滿意度和重用意愿[36]?，F有研究考察了聊天機器人的名稱、語言風格和人格特質等特征對用戶自我表露意愿與親密感的影響[37-39]。然而，上述變量較少觸及尋求社會支持的主體，即用戶層面的特征。精神衛生保健領域作為一個高度以來訪者為中心的領域，強調個體感知和體驗的核心地位[40]。因此，有必要以用戶為中心，考慮用戶特征及其感知特征在面向社會支持的人智對話中的作用。

2.2" 用戶感知視角下的人格匹配

在人際心理學中，能動（agency）與共生（communion）是人們在社會互動中感知自我與他人的基本維度[22-23]。其中，能動被定義為群體中的個體化，涉及獨立和支配；共生被定義為個體在群體中的整合，涉及合作和依戀[41]，這兩大維度廣泛用于組織個人自身的人格特征與感知他人的人格特征[42]。在用戶方面，能動人格與共生人格一直被認為是核心人格變量，并被稱為“大二人格”，反映了用戶對自我的認知[27]。其中，能動是指與實現目標相關的品質，例如雄心勃勃或有能力，而共生是指與建立和維持社會關系相關的品質，例如友好或公平[24]。在聊天機器人方面，用戶對聊天機器人的感知人格可以分為與能力有關的能動維度和與溫暖有關的共生維度[25-26]。具體而言，感知能力是指用戶對聊天機器人技能、能力、知識和效率的感知，感知溫暖則是指用戶相信聊天機器人對自己有積極的意圖，即對方是否真誠、友善和關懷[43]。用戶能動人格與對聊天機器人的感知能力在能動維度上兼容，用戶共生人格與對聊天機器人的感知溫暖在共生維度上兼容[28]。

現有的人智交互研究已經在人格匹配對用戶態度與行為的影響上進行了大量探索。L. Yu等探究用戶孤獨感與聊天機器人支配人格的相似度與購買意愿之間的關系，發現孤獨的個體更傾向于與順從型聊天機器人建立聯系，而不是支配型聊天機器人[14]；M. Shumanov等比較用戶與聊天機器人在外向性上的相似匹配與互補匹配對用戶購買意愿的影響差異，發現與聊天機器人外向性相似匹配的用戶購買意愿與參與度更高[15]；K. M. Lee等發現當機器人個性與用戶個性互補時，用戶更愿意與其互動，并且對機器人的智能性與吸引力評價也更高[17]。由此可見，用戶與聊天機器人人格間的相似匹配與互補匹配均能影響用戶體驗。值得關注的是，現有研究聚焦于比較相似與互補兩種匹配類型的差異，少有研究探究不同匹配類型中不同人格組合模式的影響，難以深入揭示人格匹配對人智交互用戶體驗影響的實質。因此，筆者基于社會認知的兩個基本維度，關注用戶人格與聊天機器人感知人格在能動與共生維度不同匹配情況下的組合模式。根據用戶人格與聊天機器人感知人格水平的高低，二者在能動與共生維度分別存在4種匹配情況，如表1、表2所示：

上表中，①和④屬于相似匹配的情況，②和③屬于互補匹配的情況。通過探究用戶人格與聊天機器人感知人格在能動與共生維度的匹配模式對用戶親密感的影響，能夠挖掘用戶特征與感知特征對人智交互體驗的復雜影響機制，豐富社會支持情境中人智交互用戶體驗的前因研究。

2.3" 社會交換理論

G. C. Homans從群體心理的角度解釋了人際交往中個體的行為與關系動機，認為人的行為是為了追求最大利益，所有行為都是為了利益和報酬的交換活動[18]。根據社會交換理論，個體在交往過程中會基于成本和收益的評估結果決定是否向他人進行自我表露以及是否與他人建立關系[44]。目前，社會交換理論與人格特質的相關研究集中于社交網絡用戶行為與組織行為領域。社交網絡的相關研究發現，人格特質會影響用戶的分享動機，外向性與盡責性人格會顯著影響虛擬社區用戶信息分享行為[45]，且預期的凈收益是用戶在社交媒體平臺上進行自我表露的主要動機[46]。而在組織行為方面，研究發現員工與領導之間人格特質的關系會影響員工的動機與行為[47]。例如，A. M. Grant等發現外向型領導與高主動性的下屬會發生支配權上的沖突[48]，這會使下屬與領導交流過程中的感知成本上升，從而損害員工的主動性行為。

基于以上分析，社會交換理論為探究人格匹配如何以及為何影響人智交互用戶體驗提供了理論框架。筆者將從用戶感知視角出發，基于社會交換理論，探究社會支持情境中用戶人格與聊天機器人感知人格在能動與共生維度的匹配模式對用戶親密感的影響機制，豐富“以人為本”的人工智能研究，為社會支持聊天機器人的個性化與定制化設計提供有用指導。

3" 研究假設與模型構建/Research hypothesis and model construction

3.1" 感知能動人格匹配與自我表露意愿

在用戶能動人格與感知能力處于相似匹配的情況下，當二者處于“高—高”組合時，用戶可能會因為聊天機器人展示的能力與知識而產生信任與安全感，從而愿意向其描述自己的感受與經歷。聊天機器人則能夠針對用戶分享的個人信息提供更具針對性與指導性的建議，雙方之間形成了一種高效的合作機制，這有助于滿足用戶對自身發展的追求[24]，增強了用戶的收益感知。而當用戶自身能動人格與對聊天機器人的感知能力均低時，用戶認為自身能力有限，此時可能會更期待聊天機器人能夠給予足夠的支持與幫助。但當聊天機器人的回復未能滿足用戶期待時，用戶會產生較大的心理落差，從而引發負面情緒[49]，使其不愿意再與聊天機器人溝通。綜上，筆者提出如下假設：

H1a：在相似匹配的情形下，與“低—低”組合相比，用戶能動人格與感知能力在“高—高”組合時，用戶的自我表露意愿更強。

在用戶能動人格與感知能力處于互補匹配的情況下，當二者處于“低—高”組合時，低能動人格的用戶在自我效能感方面存在不足[23]，當其感知到聊天機器人具備自己所缺乏的能力時，便會產生更強的依賴感，因此更愿意與聊天機器人分享個人信息。相反，當用戶能動人格高而感知能力低時，用戶認為聊天機器人無法提供自己所需的幫助，雙方之間存在較大的能力差距與較高的溝通成本，進而產生厭惡、排斥的心理[50]。綜上，筆者提出以下假設：

H1b：在互補匹配的情形下，與“高—低”組合相比，用戶能動人格與感知能力在“低—高”組合時，用戶的自我表露意愿更強。

3.2" 感知共生人格匹配與自我表露意愿

在用戶共生人格與感知溫暖處于相似匹配的情況下，當二者為“高—高”組合時，高共生人格的用戶渴望深層次的人際連接和情感交流，當其認為聊天機器人具有積極、友善的意圖時，用戶可以在對話過程中探索和表達自己的內心世界，不必擔心受到負面的評價[32]，從而減少用戶在尋找理解和共鳴時的心理壓力[51]。同時，用戶的社會需求得到滿足，從互動中獲得的收益也有所增加[52]。綜上，筆者提出如下假設：

H2a：在相似匹配的情形下，與“低—低”組合相比，用戶共生人格與感知溫暖在“高—高”組合時，用戶的自我表露意愿會更強。

在用戶共生人格與感知溫暖處于互補匹配的情況下，當二者為“高—低”組合時，用戶的情感需求未能得到滿足，導致用戶與聊天機器人的心理距離增加，自我表露意愿降低。相比之下，低共生人格的用戶可能不太愿意主動分享個人信息或情緒狀態，但當其感知到聊天機器人具備情感支持的能力時，會更欣賞聊天機器人[36]，更容易將其視為一個值得信賴的傾訴對象，從而顯著降低自我表露的心理門檻[32]。因此，相比用戶共生人格與感知溫暖“高—低”的組合，“低—高”組合更有助于激發用戶的自我表露意愿。綜上，筆者提出假設：

H2b：在互補匹配的情形下，與“高—低”組合相比，用戶共生人格與感知溫暖低在“低—高”組合時，用戶的自我表露意愿更強。

3.3" 自我表露意愿的中介作用

在人際交流中，自我表露可以促進良好人際關系的建立，并且在親密感的建立和發展過程中起著非常重要的作用[53-55]。現有的人智交互研究發現了用戶自我表露意愿對于親密感的促進作用[36]。與人類對話伙伴相比，人們往往認為向非批判性的聊天機器人進行自我披露更加安全[56]。在分享個人經歷和情緒狀態的過程中，用戶能夠感受到放松與解脫，這種體驗增強了用戶對聊天機器人的親密感[57]。

個性是決定交互雙方是否“一拍即合”的一個關鍵方面[58]。人際互補理論（Interpersonal Complementarity Theory，ICT）從能動和共生的角度描述了人際互動中行為和特質層面的互惠性[59-60]。具體而言，人際互補理論認為互動雙方在能動維度上表現出互補性，在共生維度表現出相似性[22]。滿足人際互補性的雙方會產生更協調的互動與更令人滿意的關系[61]。借助人際互補理論的框架，筆者認為用戶能動人格與感知能力同樣遵循互惠原則。當用戶認為自身與聊天機器人在能動維度不一致時，一方面，能力強的一方在權威上的確定性將會增強，避免了交流中的沖突與矛盾，用戶能夠在交互中感受到足夠的安全感，更有助于達到交流的平衡狀態[62]；另一方面，這種不一致有助于提升用戶對聊天機器人的信任[63]，從而使用戶更愿意向聊天機器人敞開心扉，進而培養親密感[64]。基于此，筆者提出如下假設：

H3a：自我表露意愿在感知能動人格匹配與親密感之間發揮中介作用。

用戶共生人格與感知溫暖遵循對等原則，當用戶認為自身與聊天機器人在共生維度一致時，用戶可能會感受到更強烈的情感共鳴和理解[31]。這種情感上的連接可以促進用戶打開心扉，分享更多個人信息，有助于滿足用戶的歸屬感需求，從而增強用戶對聊天機器人的親密感[65]。基于此，筆者提出如下假設：

H3b：自我表露意愿在感知共生人格匹配與親密感之間發揮中介作用。

結合上述分析，得出本研究的研究模型，如圖1所示：

4" 研究設計/Research design

筆者采用情景實驗的方法收集用戶人格、聊天機器人感知人格與有關用戶體驗的數據。采用多項式回歸與響應面分析[30]的方法，將用戶人格與聊天機器人感知人格的不同組合方式與用戶自我表露意愿的關系反映在三維模型中，通過對多項式回歸參數和三維模型的解讀，更直觀地比較用戶能動人格與感知能力、用戶共生人格與感知溫暖在不同匹配情況下的組合方式對結果變量的影響。通過塊變量和Bootstrap中介效應檢驗的方法[30]，分析自我表露意愿在感知人格匹配與親密感之間的中介作用。

4.1" 實驗設計

4.1.1" 實驗參與者

以往研究并未區分社會支持聊天機器人的用戶群體，但在各年齡層中，青年的心理健康狀況不容樂觀，據《中國國民心理健康發展報告（2021～2022）》顯示，在成年人群中，青年為抑郁的高風險群體，18—24歲年齡組的抑郁風險檢出率高達24.1%，顯著高于其他年齡組[66]。與此同時，大部分學生群體表示對于學業壓力問題缺乏傾訴對象，社會支持聊天機器人的出現提供了一個可供學生傾訴和表露的窗口。因此，筆者聚焦于學生群體，以學業壓力為交互話題，探究社會支持情境下感知人格匹配對親密感的影響機制。

本研究實驗時間為2024年3月11日至4月12日，通過線下和網絡方式招募了208名被試，其中，男生54名，女生154名；本科生127名，研究生81名；年齡分布在19—28歲之間，詳細的人口統計學特征見表3。為了保證實驗設計的有效性，本研究在正式實驗前邀請了10名研究生進行預實驗，并根據反饋對問卷結構與題項表述等進行了修改。

4.1.2" 實驗材料

筆者選取由聆心智能和清華大學CoAI實驗室聯合開發的社會支持聊天機器人Emohaa作為實驗材料。自2022年發布以來，該聊天機器人已服務用戶數超過2.4萬，交互次數超過49.7萬。與現有的功能性AI助手不同，Emohaa能夠提供深層次的情緒支持[67]。實驗表明，Emohaa能夠有效緩解被試者的焦慮、抑郁和睡眠問題[68]。

4.1.3" 實驗流程

參與者在一間安靜的實驗室中完成整個實驗，實驗分為4個階段（見圖2）：①研究人員對實驗目的與流程進行說明；②參與者填寫第

一份問卷，以報告其人口統計信息以及能動和共生人格；③參與者被要求思考并寫下他們當時正在經歷的學業壓力問題，再在電腦上與聊天機器人Emohaa進行交流；④對話完成后，參與者需要填寫第二份問卷，以報告其對聊天機器人Emohaa的感知能力、感知溫暖和交互體驗。每名參與者的實驗時間在25—30分鐘之間，完成實驗的參與者獲得15元的實驗報酬。對實驗數據進行統計和分析后，發現有5名參與者存在作答時間過短或過長的情況，數據質量較低，未納入數據分析范疇。最終得到有效問卷202份，有效回收率為97.6%。

4.1.4" 變量測量

本研究使用的測量題項均來自于先前研究中的成熟量表。參照J. E. Gebauer[42，69]等人的研究，通過讓參與者評價某個形容詞描述自己的符合程度來測量用戶能動人格與共生人格；參考X. Cheng[43]、H. C. Pham[70]等對智能體信任影響因素的研究，測量了用戶的感知能力與感知溫暖；參考M. Lyvers[71]、Q. Fu[72]等對社交媒體上用戶自我表露意愿影響因素的研究，測量了用戶的自我表露意愿；參考G. Park[36]、X. Song[73]等對親密感與智能體使用意愿的研究，測量了用戶的親密感。各變量均采用7點李克特量表（1=完全不同意，7=完全同意），具體的測量項目如表4所示：

4.2" 數據分析方法

4.2.1" 多項式回歸與響應面分析

筆者采用多項式回歸與響應面分析相結合的方法，全面、深入地探究用戶能動人格與感知能力、共生人格與感知溫暖的匹配關系對用戶自我表露意愿的影響機制。

首先，構建多項式回歸方程，如公式（1）所示：

DC=Control+a1AP+b1PC+c1AP2+d1AP×PC+e1PC2+a2CP+b2PW+c2CP2+d2CP×PW+e2PW2" " " " " " " " " " " " " " " " " " " " "公式（1）

其中，DC代表用戶自我表露意愿，Control代表控制變量，AP和PC分別表示用戶能動人格與感知能力，AP2、AP×PC、PC2分別表示用戶能動人格的平方項、能動人格與感知能力的交互項和感知能力的平方項；CP與PW分別表示用戶共生人格與感知溫暖，CP2、AP×PW、PW2分別表示用戶共生人格的平方項、共生人格與感知溫暖的交互項和感知溫暖的平方項。

公式（1）中的兩種用戶人格（AP、CP）與聊天機器人感知人格（PC、PW）分別構成了兩組匹配關系。令用戶能動人格與聊天機器人感知能力處于相似匹配狀態，即令AP=PC=A，獲得公式（2）：

DC=Control+（a1+b1）A+（c1+d1+e1）A2" " 公式（2）

當處于互補匹配狀態，即令AP=-PC=A，獲得公式（3）：

DC=Control+（a1–b1）A’+（c1–d1+e1）A’2" "公式（3）

同理，對于用戶共生人格與聊天機器人感知溫暖，相似匹配與互補匹配狀態下的公式（1）分別如公式（4）、公式（5）所示：

DC=Control+（a2+b2）C+（c2+d2+e2）C2" "公式（4）

DC=Control+（a2–b2）C’+（c2–d2+e2）C’2 公式（5）

通過觀察響應面中一致性線與不一致性線的斜率與曲率，能夠比較在相似匹配與互補匹配情況下，用戶人格與感知人格的不同組合方式對自我表露意愿的影響差異。

4.2.2" 中介效應分析

對于多項式回歸與響應面分析中的中介效應，J. R. Edwards等提出了塊變量法[30]。具體而言，在能動與共生維度，分別將用戶人格、感知人格、二者的交互項以及平方項與各自的回歸系數相乘得到一個塊變量，表示感知人格匹配對自我表露意愿的協同作用，之后利用Mplus進行Bootstrap中介效應檢驗。

5" 研究結果/Research results

5.1" 信效度檢驗

筆者使用SPSS 26.0、Amos進行信效度檢驗，檢驗結果見表5和表6。各量表的Cronbach’sα值均在0.7以上，可以認為量表的內部一致性較好。各量表的CR值均大于0.7，AVE值大于0.5，表示量表聚合效度較好。同時，驗證性因子分析結果見表6，六因子模型的擬合效果最好（χ2=241.745; df=137; χ2/df=1.765; IFI=0.958; CFI=0.957; TLI=0.946; RMSEA=0.062），說明量表具有良好的區分效度。

5.2" 描述性統計與相關性分析

由表7可知，用戶的能動人格與自我表露意愿顯著正相關（r=0.20，plt;0.05），共生人格與自我表露意愿（r=0.22，plt;0.05）顯著正相關。用戶對社會支持聊天機器人的感知能力與自我表露（r=0.71，plt;0.001）和親密感（r=0.43，plt;0.001）均顯著正相關，用戶對社會支持聊天機器人的感知溫暖與自我表露（r=0.75，plt;0.001）和親密感（r=0.36，plt;0.001）均顯著正相關。用戶的自我表露意愿與親密感（r=0.46，plt;0.001）顯著正相關。

5.3" 假設檢驗

筆者利用R語言中的RSA包進行多項式回歸與響應面分析。表8和表9分別呈現了多項式回歸分析和響應面分析的結果。從表8中可以看出，相比于模型1，加入二次項后的模型2的R2顯著增加，模型解釋力明顯增強，說明適合采用多項式回歸分析方法。

在能動人格、感知能力與自我表露意愿的響應面中（見表8，模型2），響應面沿著一致性線的斜率顯著且為正值（斜率=1.116，plt;0.001），曲率不顯著（曲率=0.025，pgt;0.05），說明能動人格與感知能力為相似匹配時，“高—高”組合比“低—低”組合更能促進用戶的自我表露意愿，H1a得到支持。

響應面沿著不一致性線的斜率顯著且為負值（斜率=-1.357，plt;0.001），曲率不顯著（曲率=-0.293，pgt;0.05），說明用戶能動人格與感知能力為互補匹配時，“低—高”組合比“高—低”組合更能促進用戶的自我表露意愿，H1b得到支持。

筆者還基于表8的結果繪制了相應的響應面圖（見圖3）。從圖3中可以看出，響應面左前方的值要低于右后方，說明在感知能動人格相似匹配的情況下，二者均低比二者均高時的用戶自我表露意愿低。響應面左后方的值要高于右前方，說明在感知能動人格互補匹配的情況下，相較于“高—低”組合，用戶能動人格與感知能力為“低—高”組合時，用戶自我表露意愿更高。

在共生人格、感知溫暖與自我表露意愿的響應面中（見表9，模型2），響應面沿著一致性線的斜率顯著且為正值（斜率=1.429，plt;0.001），曲率不顯著（曲率=-0.224，pgt;0.05），說明當用戶共生人格與感知溫暖為相似匹配時，“高—高”組合比“低—低”組合更能促進用戶的自我表露意愿，H2a得到支持。響應面沿著不一致性線的斜率顯著且為負值（斜率=-1.409，plt;0.001），曲率不顯著（曲率=0.047，pgt;0.05），說明用戶共生人格與感知溫暖為互補匹配時，“低—高”組合比“高—低”組合更能促進用戶的自我表露意愿，H2b得到支持。

筆者基于表9的結果繪制了相應的響應面圖（見圖4）。從圖4中可以看出，響應面左前方的值要低于右后方，說明在感知共生人格相似匹配的情況下，二者均低比二者均高時的用戶自我表露意愿低。響應面左后方的值要高于右前方，說明在感知共生人格互補匹配的情況下，相較于“高—低”組合，用戶共生人格與感知溫暖為“低—高”組合時，用戶自我表露意愿更高。

5.4" 中介檢驗

為了檢驗自我表露意愿在感知人格匹配與親密感間的中介效應，筆者首先分別對感知能動人格匹配與親密感、感知共生人格匹配與親密感進行了多項式回歸（模型3），再在模型3的基礎上加入了自我表露意愿（模型4）。接著，筆者分別將用戶人格、感知人格、二者的交互項以及平方項與各自的回歸系數相乘得到塊變量，再進行Bootstrap中介效應檢驗。

在能動維度，從表8模型4可以看出，自我表露意愿對親密感具有顯著的預測意義（β=0.609，plt;0.001），且模型的R2顯著增加。Bootstrap檢驗結果見表10，用戶自我表露意愿的間接效應系數為0.608（plt;0.001），在95%的置信區間為[0.474，0.786]，不包含0，說明用戶自我表露意愿在用戶感知能動人格匹配與親密感的關系中發揮中介作用，H3a得到驗證。

在共生維度，從表9模型4可以看出，自我表露意愿對親密感具有顯著的預測意義（β=0.507，plt;0.001），且模型的R2顯著增加。Bootstrap檢驗結果見表11，用戶自我表露意愿的間接效應系數為0.512（plt;0.001），在95%的置信區間為[0.374，0.681]，不包含0，說明用戶自我表露意愿在用戶感知共生人格匹配與親密感的關系中發揮中介作用，H3b得到驗證。

5.5" 結果討論

筆者通過情景實驗，利用多項式回歸與響應面分析的方法，探討了社會支持場景下，用戶感知人格匹配對人智交互用戶體驗的影響機制。具體而言，在用戶感知能動人格相似匹配的情況下，相比用戶能動人格與感知能力均低，二者均高時用戶自我表露意愿更強；在用戶感知能動人格互補匹配的情況下，相比用戶能動人格高而感知能力低時，用戶能動人格低而感知能力高時用戶的自我表露意愿更強。在用戶感知共生人格相似匹配的情況下，相比用戶共生人格與感知溫暖均低，二者均高時用戶自我表露意愿更強；在用戶感知共生人格互補匹配的情況下，相比用戶共生人格高而感知溫暖低時，用戶共生人格低而感知溫暖高時用戶的自我表露意愿更強。此外，用戶自我表露意愿在感知人格匹配與親密感之間發揮中介作用。最終的假設檢驗結果如表12所示：

6" 結論與啟示/Conclusions and implications

6.1" 研究結論

筆者從用戶感知視角出發，基于社會交換理論，探究了社會支持情境下用戶人格與聊天機器人感知人格在能動與共生維度下的不同匹配模式對用戶親密感的影響機制。實證結果表明，假設H1a、H1b、H2a、H2b、H3a和H3b均得到支持，由此可得出以下結論：

（1）用戶對聊天機器人的感知能力是影響用戶自我表露意愿的關鍵因素。無論用戶能動人格與聊天機器人感知能力屬于何種匹配類型，高自我表露意愿對應的組合方式中，用戶對聊天機器人的感知能力均處于較高水平，這體現了人類對強人工智能的追求。得益于龐大的知識庫與強大的計算能力，社會支持聊天機器人能夠為用戶提供緩解壓力與管理情緒的相關信息，協助人類用戶處理當前面臨的心理健康問題[74]。當用戶感知到聊天機器人能在對話中提供有價值的信息時，便更愿意與其合作，通過表露個人信息獲得更有效的支持。

（2）用戶對聊天機器人的感知溫暖是另一個影響用戶自我表露意愿的關鍵因素。無論用戶共生人格與智能體感知溫暖屬于何種匹配類型，高自我表露意愿對應的組合方式中，用戶對聊天機器人的感知溫暖均處于較高水平。自我決定理論指出，關聯性是人類的基本心理需求之一[75]，當用戶感知到聊天機器人具有積極的社交意圖時，用戶會產生被接納和理解的感覺，進而滿足了用戶的關聯性需求。同時，當用戶感知到聊天機器人具備提供情緒支持的能力，他們會更容易將聊天機器人視為一個值得信賴的傾訴對象，因此更愿意分享個人問題和感受[51]。

（3）用戶自我表露意愿在感知人格匹配與親密感之間發揮中介作用。在能動與共生維度，用戶人格與聊天機器人感知人格的協同效應都可以通過促進用戶的自我表露意愿來提升親密感。社會滲透理論認為，自我表露是關系發展的核心過程[35]。隨著用戶對聊天機器人的自我表露逐漸增加，雙方的關系從表層逐漸深入到更親密的層面。在感知人格匹配的情況下，用戶可能更容易感受到與聊天機器人之間的相互理解和接納，促進了自我表露的意愿，從而加深了親密感。

6.2" 理論與實踐啟示

本研究對人格匹配、人智交互用戶體驗等相關研究具有重要的理論意義：①從用戶感知視角出發，探究了用戶特征與用戶感知特征的不同匹配模式對用戶自我表露意愿的影響，豐富了人智交互領域用戶自我表露意愿的前因研究；②基于社會認知的兩個基本維度，探究了用戶感知視角下的人格匹配與用戶自我表露意愿、親密感之間的復雜關系，全面揭示了人格匹配對人智交互用戶體驗的影響實質；③驗證了用戶自我表露意愿在人智親密感形成中的核心中介機制，強調在建立人智親密關系時提升用戶自我表露意愿的重要性。

本研究對社會支持聊天機器人的設計和應用具有重要啟示：①盡可能提升社會支持聊天機器人的能力與溫暖水平。無論用戶自身的能動與共生人格水平高低，當用戶感知到聊天機器人具備較高的感知能力與感知溫暖時，用戶會更愿意向聊天機器人敞開心扉，分享個人信息，這對于提升支持效果與用戶體驗至關重要?，F有研究發現，智能體的初始響應風格[76]、表情符號[77]、對話風格[78-79]、性別[80]等特征均會影響用戶對聊天機器人的感知能力與感知溫暖。為此，社會支持聊天機器人的設計與開發人員可以嘗試不同特征的調整與組合，探究能使用戶充分感受到社會支持聊天機器人能力與溫暖的設計。②作為深化人智關系的橋梁，可以通過調整社會支持聊天機器人的對話風格[81]，增加社會支持聊天機器人的自我表露[38]等方式鼓勵用戶進行自我表露，提升用戶的親密感與長期互動意愿。

6.3" 研究局限與展望

雖然本研究揭示了用戶與聊天機器人感知人格匹配對親密感的作用機制，但仍然存在一些局限：①本研究只探究了被試與社會支持聊天機器人單次交互的截面實驗，后續還可以設計多次交互的縱向追蹤實驗，探究雙方在不同階段的感知人格匹配對交互體驗的影響差異；②本研究只探究了學業壓力這一話題情境，然而情境因素會影響個人隱私管理和自我表露，人們的隱私偏好和決定會根據語境和談話類型而有所不同[82]。未來研究可以考慮人際交往、就業壓力等其他話題，探究不同話題情景下感知人格匹配對自我表露的影響，從而為感知人格匹配對人智交互用戶體驗的作用機制提供更加全面和深入的見解。

參考文獻/References：

[1] MOILANEN J， VAN BERKEL N， VISURI A， et al. Supporting mental health self-care discovery through a chatbot[J]. Frontiers in digital health， 2023， 5： 1034724.

[2] JAUREGUI VELANDE R， ANDRADE ARENAS L， ALFARO PE?A G B， et al. Mobile APP prototype： telemedicine for mental health care during pandemic[J]. International journal of online and biomedical engineering， 2023， 19（1）： 155-177.

[3] COBB S. Social support as a moderator of life stress[J]. Psychosomatic medicine， 1976， 38（5）， 300-314.

[4] COHEN S. Social relationships and health[J]. American psychologist， 2004， 59（8）： 676-684.

[5] RHEU M， DAI Y， MENG J， et al. When a chatbot disappoints you： expectancy violation in human-chatbot interaction in a social support context[J]. Communication research， 2024， 51（7）： 782-814.

[6] BRANDTZAEG P B， F?LSTAD A. Why people use chatbots[C]//4th International Conference on Internet Science. Thessaloniki： Springer， 2017： 377-392.

[7] PAL D， VANIJJA V， THAPLIYAL H， et al. What affects the usage of artificial conversational agents？ an agent personality and love theory perspective[J]. Computers in human behavior， 2023， 145： 107788.

[8] JIANG L C， BAZAROVA N N， HANCOCK J T. The disclosure-intimacy link in computer-mediated communication： an attributional extension of the hyperpersonal model[J]. Human communication research， 2011， 37（1）： 58-77.

[9] LUCAS G M， RIZZO A， GRATCH J， et al. Reporting mental health symptoms： breaking down barriers to care with virtual human interviewers[J]. Frontiers in robotics and AI， 2017， 4： 51.

[10] 武雪姣， 李彬彬， 劉靈芝， 等.大學生人際交往與人格特質[J]. 中國健康心理學雜志， 2014， 22（2）： 283-284. （WU X J， LI B B， LIU L Z， et al. College students' interpersonal communication and personality traits[J]. China journal of health psychology， 2014， 22（2）： 283-284.）

[11] MATTHEWS G， DEARY I J， WHITEMAN M C. Personality traits[M]. Cambridge： Cambridge University Press， 2003.

[12] NASS C， STEUER J， TAUBER E R. Computers are social actors[C]//Proceedings of the SIGCHI conference on human factors in computing systems. Boston： ACM， 1994： 72-78.

[13] REEVES B， NASS C. The media equation： how people treat computers， television， and new media like real people[J]. Cambridge： Cambridge University Press， 1996， 10（10）： 19-36.

[14] YU L， FAN X. Lonely human and dominant robot： similarity versus complementary attraction[J]. Psychology amp; marketing， 2024， 41（5）： 1133-1151.

[15] SHUMANOV M， JOHNSON L. Making conversations with chatbots more personalized[J]. Computers in human behavior， 2021， 117： 106627.

[16] GNEWUCH U， YU M， MAEDCHE A. The effect of perceived similarity in dominance on customer self-disclosure to chatbots in conversational commerce[C]//28th European conference on information systems. Marrakech： Association for Information Systems （AIS）， 2020.

[17] LEE K M， PENG W， JIN S A， et al. Can robots manifest personality？ an empirical test of personality recognition， social responses， and social presence in human-robot interaction[J]. Journal of communication， 2006， 56（4）： 754-772.

[18] HOMANS G C. Social behavior as exchange[J]. American journal of sociology， 1958， 63（6）： 597-606.

[19] 馬中紅， 吳熙倡.社交聊天機器人的性別偏見——基于小冰系列的對話測試研究[J]. 國際新聞界， 2024， 46（4）： 72-89. （MA Z H，WU X C. Gender bias in social chatbots： a conversation test study based on Xiaoice series of chatbots[J]. Chinese journal of journalism amp; communication， 2024， 46（4）： 72-89.）

[20] SHUM H Y， HE X， LI D. From Eliza to XiaoIce： challenges and opportunities with social chatbots[J]. Frontiers of information technology amp; electronic engineering， 2018， 19（1）： 10-26.

[21] K?RNER R， ALTMANN T. Personality is related to satisfaction in friendship dyads， but similarity is not： understanding the links between the big five and friendship satisfaction using actor-partner interdependence models[J]. Journal of research in personality， 2023， 107： 104436.

[22] WIGGINS J S. A psychological taxonomy of trait-descriptive terms： the interpersonal domain[J]. Journal of personality and social psychology， 1979， 37（3）： 395-412.

[23] KIESLER D J. The 1982 interpersonal circle： a taxonomy for complementarity in human transactions[J]. Psychological review， 1983， 90（3）： 185-214.

[24] ABELE A E， WOJCISZKE B. Agency and communion from the perspective of self versus others[J]. Journal of personality and social psychology， 2007， 93（5）： 751-763.

[25] 張妍， 趙宇翔， 吳大偉， 等.人智交互情境中用戶對生成式人工智能的心智感知及反應研究[J]. 情報理論與實踐， 2024， 47（8）： 140-149. （ZHANG Y， ZHAO Y X， WU D W， et al. Study of users' mind perceptions and responses to generative AI in human-AI interaction context[J]. Information studies： theory amp; application， 2024， 47（8）： 140-149.）

[26] HARRIS-WATSON A M， LARSON L E， LAUHARATANAIRUN N， et al. Social perception in human-AI teams： warmth and competence predict receptivity to AI teammates[J]. Computers in human behavior， 2023， 145： 107765.

[27] DIGMAN J M. Higher-order factors of the Big Five[J]. Journal of personality and social psychology， 1997， 73（6）： 1246-1256.

[28] JIN S V， YOUN S. Why do consumers with social phobia prefer anthropomorphic customer service chatbots？ Evolutionary explanations of the moderating roles of social phobia[J]. Telematics and informatics， 2021， 62： 101644.

[29] ESTERWOOD C， ROBERT L P. Personality in healthcare human robot interaction （h-hri） a literature review and brief critique[C]//Proceedings of the 8th international conference on human-agent interaction. Sydney： ACM， 2020： 87-95.

[30] EDWARDS J R， CABLE D M. The value of value congruence[J]. Journal of applied psychology， 2009， 94（3）： 654-677.

[31] LIN N， ENSEL W M， SIMEONE R S， et al. Social support， stressful life events， and illness： a model and an empirical test[J]. Journal of health and social behavior， 1979， 20（2）： 108-108.

[32] BAE BRANDTZ?G P B， SKJUVE M， KRISTOFFER DYSTHE K K， et al. When the social becomes non-human： young people's perception of social support in chatbots[C]//Proceedings of the 2021 CHI conference on human factors in computing systems. Yokohama， Japan： ACM， 2021： 1-13.

[33] 曹博林， 黃詩怡. 人機互動中的自我表露與隱私計算動態關系研究[J]. 全球傳媒學刊， 2023， 10（3）： 22-46. （CAO B L， HUANG S Y. The dynamic relationship between self-disclosure and private computing in human-machine communication[J]. Global journal of media Studies， 2023， 10（3）： 22-46.）

[34] LEE J， LEE D. User perception and self-disclosure towards an AI psychotherapy chatbot according to the anthropomorphism of its profile picture[J]. Telematics and informatics， 2023， 85： 102052.

[35] ALTMAN I. Social penetration： the development of interpersonal relationships[M]. Holt： Rinehart amp; Winston， 1973.

[36] PARK G， CHUNG J， LEE S. Effect of AI chatbot emotional disclosure on user satisfaction and reuse intention for mental health counseling： a serial mediation model[J]. Current psychology， 2023， 42（32）： 28663-28673.

[37] LIU W， XU K， YAO M Z. “Can you tell me about yourself？” the impacts of chatbot names and communication contexts on users' willingness to self-disclose information in human-machine conversations[J]. Communication research reports， 2023， 40（3）： 122-133.

[38] ADAM M， BENLIAN A. From web forms to chatbots： the roles of consistency and reciprocity for user information disclosure[J]. Information systems journal， 2024， 34（4）： 1175-1216.

[39] NOGUCHI Y， KAMIDE H， TANAKA F. Personality traits for a social mediator robot encouraging elderly self-disclosure on loss experiences[J]. ACM transactions on human-robot interaction， 2020， 9（3）： 1-24.

[40] GRAHAM S A， LEE E E， JESTE D V， et al. Artificial intelligence approaches to predicting and detecting cognitive decline in older adults： a conceptual review[J]. Psychiatry research， 2020， 284： 112732.

[41] BAKAN D. The duality of human existence： an essay on psychology and religion[M]. Chicago： Rand McNally， 1966.

[42] GEBAUER J E， PAULHUS D L， NEBERICH W. Big two personality and religiosity across cultures： communals as religious conformists and agentics as religious contrarians[J]. Social psychological and personality science， 2013， 4（1）： 21-30.

[43] CHENG X， ZHANG X， COHEN J， et al. Human vs. AI： understanding the impact of anthropomorphism on consumer response to chatbots from the perspective of trust and relationship norms[J]. Information processing amp; management， 2022， 59（3）： 102940.

[44] WORTHY M， GARY A L， KAHN G M. Self-disclosure as an exchange process[J]. Journal of personality and social psychology， 1969， 13（1）： 59-63.

[45] 范哲， 劉奔.用戶人格特質對虛擬社區信息分享行為的影響研究——以基本心理需要為中介變量[J]. 現代情報， 2019， 39（11）： 69-79， 97. （FAN Z， LIU B. The effect of personality traits on information sharing in the virtue community： based on basic psychological needs as intermediaries[J]. Journal of modern information， 2019， 39（11）： 69-79， 97.）

[46] LIU Z， MIN Q， ZHAI Q， et al. Self-disclosure in Chinese micro-blogging： a social exchange theory perspective[J]. Information amp; management， 2016， 53（1）： 53-63.

[47] 王瓊， 蔡子君， 錢婧. 主動性人格會影響組織越軌行為嗎——基于社會交換理論的研究[J]. 經濟管理， 2021， 43（8）： 124-140. （WANG Q， CAI Z J， QIAN J. Would proactive personality influence deviance behavior？ a social exchange perspective[J]. Business and management journal， 2021， 43（8）： 124-140.）

[48] GRANT A M， GINO F， HOFFMANN D A. Reversing the extraverted leadership advantage： the role of employee proactivity[J]. Academy of management journal， 2011， 54（3）： 528-550.

[49] 孟韜， 陳夢圓， 張天鍇， 等. 交互失誤情境下交互式人工智能擬人化的負面影響——基于ChatGPT和搜索引擎的實驗證據[J]. 情報理論與實踐， 2024， 47（1）： 84-91. （MENG T， CHEN M Y， ZHANG T K， et al. The negative impact of interactive AI anthropomorphization in interaction failure contexts： experimental evidence based on ChatGPT and search engines[J]. Information studies： theory amp; application， 2024， 47（1）： 84-91.）

[50] 吳繼飛， 朱翊敏， 劉穎悅， 等. 智能客服厭惡效應的誘因、心理機制與邊界研究[J]. 南開管理評論， 2023， 26（6）： 179-191. （WU J F， ZHU Y M， LIU Y Y， et al. Aversion effect for AI chatbot： inducing factor， psychological mechanism and boundary conditions[J]. Nankai business review， 2023， 26（6）： 179-191.）

[51] SHUQAIR S， PINTO D C， SO K K F， et al. A pathway to consumer forgiveness in the sharing economy： the role of relationship norms[J]. International journal of hospitality management， 2021， 98： 103041.

[52] EPLEY N， WAYTZ A， CACIOPPO J T. On seeing human： a three-factor theory of anthropomorphism[J]. Psychological review， 2007， 114（4）： 864-886.

[53] LUDWIG V U， BERRY B， CAI J Y， et al. The impact of disclosing emotions on ratings of interpersonal closeness， warmth， competence， and leadership ability[J]. Frontiers in psychology， 2022， 13： 989826.

[54] COZBY P C. Self-disclosure： a literature review[J]. Psychological bulletin， 1973， 79（2）： 73-91.

[55] WHEELESS L R. Self-disclosure and interpersonal solidarity： measurement， validation， and relationships[J]. Human communication research， 1976， 3（1）： 47-61.

[56] LEE Y C， YAMASHITA N， HUANG Y， et al. \" I hear you， I feel you\"： encouraging deep self-disclosure through a chatbot[C]//Proceedings of the 2020 CHI conference on human factors in computing systems. Honolulu： ACM， 2020： 1-12.

[57] SKJUVE M， F?LSTAD A， FOSTERVOLD K I， et al. My chatbot companion-a study of human-chatbot relationships[J]. International journal of human-computer studies， 2021， 149： 102601.

[58] BANDURA A. Social foundations of thought and action： a social cognitive theory[M]. Englewood Cliffs， NJ： Prentice-Hall， 1986.

[59] CARSON R C. Interaction concepts of personality[M]. Chicago： Aldine Publishing Company， 1969.

[60] HOROWITZ L M， STRACK S. Handbook of interpersonal psychology： theory， research， assessment， and therapeutic interventions[M]. Hoboken： John Wiley amp; Sons， 2012.

[61] TRACEY T J. An examination of the complementarity of interpersonal behavior[J]. Journal of personality and social psychology， 1994， 67（5）： 864-878

[62] GLOMB T M， WELSH E T. Can opposites attract？ personality heterogeneity in supervisor-subordinate dyads as a predictor of subordinate outcomes[J]. Journal of applied psychology， 2005， 90（4）： 749-757.

[63] 蔡地， 許瑞冰， 劉佳， 等.上下級主動性人格匹配對員工工作幸福感的影響及其作用機制[J]. 外國經濟與管理， 2020， 42（1）： 85-98. （CAI D， XU R B， LIU J， et al. The influence and mechanism of person-supervisor proactive personality fit on employees' workplace well-being[J]. Foreign economics amp; management， 2020， 42（1）： 85-98.）

[64] JIANG L C， BAZAROVA N N， HANCOCK J T. The disclosure-intimacy link in computer-mediated communication： an attributional extension of the hyperpersonal model[J]. Human communication research， 2011， 37（1）： 58-77.

[65] PENNER A， EYSSEL F. Germ-free robotic friends： loneliness during the COVID-19 pandemic enhanced the willingness to self-disclose towards robots[J]. Robotics， 2022， 11（6）： 121.

[66] 傅小蘭， 張侃， 陳雪峰， 等. 心理健康藍皮書：中國國民心理健康發展報告（2021—2022）[M]. 北京： 社會科學文獻出版社， 2023. （FU X L， ZHANG K， CHEN X F， et al. Blue book of mental health：report on national mental health development in China（2021-2022）[M]. Beijing： Social Sciences Academic Press， 2023.）

[67] THU-CoAI.【新發布】Emohaa 共情陪伴大模型[EB/OL]. [2025-01-15]. https：//zhuanlan.zhihu.com/p/687238598.htm. （THU-CoAI.【New Release】Emohaa Empathy Companionship Model[EB/OL]. [2025-01-15]. https：//zhuanlan.zhihu.com/p/687238598.htm.）

[68] SABOUR S， ZHANG W， XIAO X， et al. A chatbot for mental health support： exploring the impact of Emohaa on reducing mental distress in China[J]. Frontiers in digital health， 2023， 5： 1133987.

[69] GEBAUER J E， SEDKIDES C， LüDTKE O， et al. Agency-communion and interest in prosocial behavior： social motives for assimilation and contrast explain sociocultural inconsistencies[J]. Journal of personality， 2014， 82（5）： 452-466.

[70] PHAM H C， DUONG C D， NGUYEN G K H. What drives tourists’ continuance intention to use ChatGPT for travel services？ a stimulus-organism-response perspective[J]. Journal of retailing and consumer services， 2024， 78： 103758.

[71] LYVERS M， CUTINHO D， THORBERG F A. Alexithymia， impulsivity， disordered social media use， mood and alcohol use in relation to Facebook self-disclosure[J]. Computers in human behavior， 2020， 103： 174-180.

[72] FU Q， RODRíGUEZ-ARDURA I， MESEGUER-ARTOLA A， et al. Self-disclosure during the COVID-19 emergency： effects of narcissism traits， time perspective， virtual presence， and hedonic gratification[J]. Computers in human behavior， 2022， 130： 107154.

[73] SONG X， XU B， ZHAO Z. Can people experience romantic love for artificial intelligence？ an empirical study of intelligent assistants[J]. Information amp; management， 2022， 59（2）： 103595.

[74] LEE I， HAHN S. On the relationship between mind perception and social support of chatbots[J]. Frontiers in psychology， 2024， 15： 1282036.

[75] DECI E L， CONNELL J P， RYAN R M. Self-determination in a work organization[J]. Journal of applied psychology， 1989， 74（4）： 580-590.

[76] CHENG Z， FAN W， SHAO B， et al. The impact of intelligent customer service agents’ initial response on consumers’ continuous interaction intention[J]. Journal of retailing and consumer services， 2024， 76： 103585.

[77] YU S， ZHAO L. Emojifying chatbot interactions： an exploration of emoji utilization in human-chatbot communications[J]. Telematics and informatics， 2024， 86： 102071.

[78] CAI N， GAO S， YAN J. How the communication style of chatbots influences consumers’ satisfaction， trust， and engagement in the context of service failure[J]. Humanities and social sciences communications， 2024， 11（1）： 1-11.

[79] MAAR D， BESSON E， KEFI H. Fostering positive customer attitudes and usage intentions for scheduling services via chatbots[J]. Journal of service management， 2023， 34（2）： 208-230.

[80] JIN E， EASTIN M. Gender bias in virtual doctor interactions： gender matching effects of chatbots and users on communication satisfactions and future intentions to use the chatbot[J]. International journal of human-computer interaction， 2024， 40（23）： 8246-8258.

[81] ADAM M， BENLIAN A. From web forms to chatbots： the roles of consistency and reciprocity for user information disclosure[J]. Information systems journal， 2024， 34（4）： 1175-1216.

[82] ACQUISTI A， BRANDIMARTE L， LOEWENSTEIN G. Privacy and human behavior in the age of information[J]. Science， 2015， 347（6221）： 509-514.

作者貢獻說明/Author contributions：

陳" 靜：提出研究思路，修改研究框架，修訂論文內容；

易方興：設計并進行實驗，采集與分析數據，撰寫與修訂論文。

Study on the Impact of Personality Matching on Intimacy of Social Support Chatbots from the Perspective of User Perception

Chen Jing" "Yi Fangxin

Department of Information Management， Central China Normal University， Wuhan 430079

Abstract： [Purpose/Significance] Exploring the impact of perceived personality matching between users and chatbots in the dimensions of agency and communion on intimacy in the context of social support， providing theoretical basis and practical guidance for improving the service quality and user experience of social support chatbots. [Method/Process] Based on the user perception perspective and social exchange theory， scenario experiments were conducted to obtain personality and user experience data. Polynomial regression and response surface analysis methods were used to explore the impact mechanism of matching agency personality and perceived competence， communion personality and perceived warmth on user intimacy. [Result/Conclusion] There are significant differences in the impact of different combinations of user personality and chatbot perceived personality on users’ self-disclosure willingness under different matching types in various dimensions; User’s perceived competence and warmth of chatbots are key factors affecting their self-disclosure; Users’ self-disclosure plays a mediating role in the relationship between perceived personality matching and intimacy. This study reveals the essence of the impact of personality matching on the user experience of human-AI interaction， confirms the important role of self-disclosure in the establishment and development of human-AI relationships， and provides guidance and suggestions for the design of social support chatbots.

Keywords： human-AI interaction; social support; personality match; self-disclosure; intimacy

Fund project（s）： This work is supported by the Fundamental Research Funds for the Central Universities titled “Research on the Synergistic Mechanism of Generative Artificial Intelligence and the Human Brain” （Grant No. CCNUJCPT2024003701）.

Author（s）： Chen Jing， professor， PhD; Yi Fangxing， master candidate， corresponding author， E-mail： fangxyi@mails.ccnu.edu.cn.

Received： 2024-12-16" " Published： 2025-02-25