人工智能場景下用戶替代性信息搜尋行為模式轉移意愿研究

中圖分類號：G203 文獻標識碼：A DOI：10.11968/tsyqb.1003-6938.2025026

A Study of Users’Willingness to Transfer Surrogate Information Seeking Behavior Patterns in Artificial Intelligence Scenarios

Abstract The developmentof generativeAI is changing the user's alternative information search mode，prompting the user's preferenceto shift betweenthe traditional human-mediated alternative information search modeand the new human-machine alternativesearch mode mediated by generative AI. Based on the problems and differences between the human-human alternative search mode and the human-machine alternative search mode，this paper provides an in-depth analysisof thekeyfactorsaffectingtheuserswillingness totransferbetweenthese twomodes，whichisofgreatsignificance for enhancingthe eficiency of information search andoptimizing the generative AI products.Based onthe PPM （Push-Pull-Mooring）model，two modelsofusers‘willingness totransfer（willingness totransferfrom human-humanalternative searchtohuman-machine altermative searchand willingnessto transferfromhuman-machine alternativesearch to huma-humanalternativesearch）wereconstructed，andthequestionnairesurveywasusedtocolect4O7and430valid sample data，respectively，and the subsequent data analysis and hypothesis testing were caried outusing SPSS and AMOS software.The willingness to transfer human-human surrogate search to human-machine surrogate search is affectedbyacombinationofpushactors（disstisfactionwithiformationquality），pullfctors （interactivityanthropomor phism，accessibility），andanchoringfactors （individualinnovativeness，transfercosts）.Thewilingnsstotrasferfrom human-machine to human-human surrogate search is influenced byacombination of push factors （dissatisfaction with service quality，privacy risk），pull factors （trust），and anchoring factors （social support）.

Key words surrogate information seeking behavior;PPM model;information seeking behavior

20世紀90年代以來，社會信息化進程的加快推動了我國社會經(jīng)濟的快速發(fā)展，但是由此帶來的信息鴻溝（又稱為數(shù)字鴻溝），已成為繼城鄉(xiāng)差別、工農差別、腦體差別之后我國社會的\"第四大差別”。此后，在大數(shù)據(jù)、人工智能技術飛速發(fā)展的時代，新技術的擴散引發(fā)了新的社會不平等，驅動著數(shù)字鴻溝概念的內涵和外延更迭。替代信息搜尋行為在一定程度上能夠緩解數(shù)字鴻溝帶來的不平等問題。傳統(tǒng)的替代信息搜尋行為是指用戶通過中介渠道（如家庭成員、朋友等）搜尋有關信息的行為[3。本文把這種尋求他人幫助，讓他們替代自己進行信息搜尋的行為定義為人-人替代搜尋行為。人-人替代搜尋模式依賴于社會關系網(wǎng)絡，表現(xiàn)出信息溝通較為直接、搜尋過程存在人情因素以及信息來源具有主觀性的特點。由于互聯(lián)網(wǎng)技術的迅猛發(fā)展，人類社會的信息環(huán)境日益豐富，生成式AI的出現(xiàn)改變了用戶的信息獲取方式。以ChatGPT為例，生成式AI產品所具有的“思維化\"和“擬人化\"使其能夠充當替代搜尋者的角色，為用戶帶來替代信息搜尋的功能[4]。隨著用戶對優(yōu)質信息的需求與日俱增，生成式AI產品已成為用戶進行信息搜尋的一種替代方式[5。本文把這種向生成式AI（如ChatGPT、文心一言等）尋求幫助，讓它們替代自己進行信息搜尋的行為定義為人-機替代搜尋行為。人-機替代搜尋行為依賴于生成式AI平臺，表現(xiàn)出搜尋過程高效快捷、搜尋范圍廣泛以及信息來源較為客觀等特點。

由于替代搜尋者的不同，人-人替代搜尋模式與人-機替代搜尋行為模式呈現(xiàn)出各自獨特的特征，并在不同應用場景中展現(xiàn)出相應的優(yōu)勢。但是，隨著信息量劇增和信息更新速度加快，人-人替代搜尋模式表現(xiàn)出了一定的局限性，如信息的篩選成本增加，時效性難以保證，且受限于個體的認知局限和人際關系范圍。此外，生成式AI作為一種新興生產力，也引發(fā)了新一波的隱私危機、數(shù)據(jù)安全風險刑事法律風險[8等問題。鑒于人-人替代搜尋模式與人-機替代搜尋模式存在的這些問題，加之兩種模式在特性與優(yōu)勢維度上呈現(xiàn)出一定差異，從而引發(fā)用戶從一種模式向另一種模式的轉移意愿。同時，這些問題和差異也會導致影響用戶轉移意愿的因素各不相同。基于此，本文立足于兩種替代搜尋模式的區(qū)別，分別對影響人-人替代搜尋模式向人-機替代搜尋模式轉移意愿以及人-機替代搜尋模式向人-人替代搜尋模式轉移意愿的關鍵因素展開深入剖析。

目前，國內外學者對于替代信息搜尋行為的研究主要是健康信息替代搜尋行為，集中于人-人替代搜尋行為上，缺少用戶在AI賦能下的替代信息搜尋行為，即人-機替代搜尋行為，以及在人-人替代搜尋和人-機替代搜尋之間的轉移意愿研究。本文基于推-拉-錨定（Push-Pull-MooringModel，PPM）模型，構建用戶替代信息搜尋轉移意愿理論模型，分別探究相關因素對用戶人-機替代搜尋轉移意愿和人-人替代搜尋轉移意愿的影響和機制。采用結構方程模型（StructuralEquationModel，SEM）考察轉移意愿各前因，從而為用戶以及生成式AI平臺提高替代信息搜尋效率提供參考決策。

1文獻綜述

1.1 替代信息搜尋

國內外學者對替代信息搜尋行為的研究主要集中于健康領域的人-人替代搜尋行為，體現(xiàn)在以下三個方面：（1）替代搜尋者的特征。Sadasivam等研究發(fā)現(xiàn)，已婚且育有子女，健康狀態(tài)較好的人更可能成為患病親屬的替代搜尋者9。國內學者也有類似的研究發(fā)現(xiàn)，如宋小康等發(fā)現(xiàn)健康信息替代搜尋者的特征包括女性、獨生子女、已婚、健康狀態(tài)較好、有豐富的在線健康信息搜尋經(jīng)驗以及家人有慢性病患者[]。（2）替代信息搜尋行為的特征。替代信息搜尋的行為主體與接受主體不同，與為自身搜尋健康信息存在差異[]。裴俊良等研究發(fā)現(xiàn)，替代信息搜尋行為過程可劃分為6個階段，替代搜尋者與被替代者的連接交互是健康信息替代搜尋行為過程的獨特活動，同時該行為存在明顯的代際差異與個體差異[12]。（3）替代搜尋行為的影響因素。Cutrona等認為健康信息替代搜尋與同理心、利他主義和幫助別人的滿足感相關[13]。Tan和Goonawardene認為替代信息搜尋行為不僅受搜尋者個人因素影響，也可能受到搜尋者與被替代者間關系的影響[14]。Waring等認為，社會支持也是重要影響因素，擁有更大社會支持網(wǎng)絡的患者更有可能發(fā)生健康信息替代信息搜尋行為[5]。也有學者從對個體的影響角度研究健康替代信息搜尋行為，如對老年人的健康素養(yǎng)的影響[，對被替代者的健康行為和健康水平的影響[17]。

1.2 轉移意愿相關研究

轉移意愿的概念最早由Keaveney于1995年提出，他認為轉移意愿源于顧客對其消費的產品或服務的評估結果，是顧客想要停止對目前品牌的消費，或者放棄原來使用的品牌而轉換到另一品牌的心理傾向[18]。本文將轉移意愿定義為用戶試圖從以人（或生成式AI）為中介轉移到生成式AI（或人）進行替代信息搜尋的心理傾向。Rust和Zahorik指出，消費者的轉移意愿會對商家的市場占有率和利潤造成影響，若消費者放棄使用該產品或服務提供商提供的產品或服務，則會負面影響品牌形象和宣傳，使該服務商受到的損失較大[19]。此外有研究發(fā)現(xiàn)，消費者的轉移行為產生于轉移意愿，消費者購買一種商品或服務后，會產生對于該商品或服務的態(tài)度，從而影響其下一階段是否會再次購買該商品或服務，進而影響其轉移意愿[20]。在本文研究情境中，無論是通過人還是生成式AI為中介進行替代信息搜尋行為，均可視為利用兩者提供的服務。用戶在使用服務過程中所形成的評價，將對其后續(xù)是否持續(xù)選擇該類型服務或轉而選擇另一類型服務產生影響。因此，研究用戶從人-人替代搜尋模式與人-機替代搜尋模式之間的轉移意愿，分析得出其影響因素，對于用戶以及生成式AI的提供商而言意義重大。

1.3 PPM模型

推-拉-錨定模型（Push-Pull-MooringModel，PPM）源于人口地理學，最早可以追溯到人類的“遷移規(guī)律”，常用于研究用戶的轉移意愿/行為研究。Bansal等首次應用推-拉-錨定理論框架，從關系營銷的角度研究用戶的轉移行為，探討推動、拉動和錨定因素對用戶轉移意愿的影響[21]。自此引起了學者們的廣泛關注及進一步研究，使得推-拉-錨定理論得到進一步深化。如Avus和Ching運用PPM模型研究了社交網(wǎng)站用戶轉移行為的影響因素[22]。夏立新等基于PPM模型，以網(wǎng)易云音樂為研究對象，通過實證方法分析用戶在移動音樂平臺之間的轉移行為[23]。該模型中，推力因素是指驅使用戶減少或放棄使用當前服務或者信息技術的消極因素，如不滿意度；拉力因素是指吸引用戶使用替代服務或者信息技術的積極因素，如替代品吸引力；錨定因素是指促進或阻礙用戶進行轉移決策的個人或社會環(huán)境因素，如轉移成本。

1.4研究述評

當前學術界對泛在環(huán)境下用戶替代信息搜尋行為的研究尚處于初步階段，集中于人-人替代搜尋領域，其應用場景的探索尚顯單一且不夠深人。尤為突出的是，關于人-機替代搜尋行為的研究存在顯著空缺，鮮有文獻將生成式AI作為主動行為者，探討其在替代信息搜尋過程中的角色，而多數(shù)研究仍聚焦于生成式AI作為輔助工具的交互特性，如交互行為[24]、中輟行為[25]以及轉移行為[26]等。此外，雖然已有學者研究用戶從以人為中介轉向以AI智體為中介進行替代信息搜索的機理2，但關于從生成式AI中介反向轉向以人為中介進行替代信息搜尋的動因研究卻鮮有觸及。鑒于此，本文聚焦于生成式AI應用情境，基于PPM模型探究人-人與人-機替代搜尋模式之間的轉移意愿，著眼于兩種替代搜尋模式的根本差異，針對影響用戶在兩種模式間轉移意愿的關鍵因素分別開展深人探究，以期拓展替代信息搜尋行為的理論框架，豐富其實踐應用場景。深入探索人-人替代搜尋與新興的人-機替代搜尋模式以及兩種模式的轉移意愿，不僅是對傳統(tǒng)替代信息搜尋行為研究的重要補充，更是提升替代信息搜尋效率的關鍵途徑。

2替代信息搜尋行為轉移意愿模型構建

人-人替代搜尋模式與人-機替代搜尋模式在應用場景、信息篩選效率及隱私與安全風險等方面存在顯著差異，影響用戶從一種模式向另一種模式轉移意愿的因素也各不相同。本文分別構建了人一人替代搜尋到人-機替代搜尋的轉移意愿（見圖1）、人-機替代搜尋到人-人替代搜尋的轉移意愿模型（見圖2）。從推力因素、拉力因素以及錨定因素分別考察對這兩種轉移意愿的影響。為了區(qū)分兩種轉移意愿，從人-人替代搜尋模式轉向人-機替代搜尋模式的轉移意愿用HH2HAI（Human-Humanto Hu-man-AI）轉移意愿命名，從人-機替代搜尋模式轉向人-人替代搜尋模式的轉移意愿用HAI2HH（Hu-man-AItoHuman-Human）轉移意愿命名。

2.1推力因素

本文中，推力因素是指驅使用戶減少或放棄以人或者生成式AI為中介的替代信息搜尋行為的消極因素。滿意度被廣泛應用于PPM理論模型中，是促使用戶產生轉移意向的關鍵因素。有研究發(fā)現(xiàn)不滿意度高的用戶往往會積極尋求服務替代品[28]。在本文研究情境中，以人或者以生成式AI為中介的替代信息搜尋行為，本質上都是使用這兩種不同類型的服務。因此，不滿意度可以作為本文研究中的兩種轉移意愿的消極因素，即推力因素。結合現(xiàn)有研究，不滿意度可以分類歸納為信息質量不滿意度、系統(tǒng)質量不滿意度和服務質量不滿意度[29]。

信息質量包含了用戶對替代搜尋者（人或AI）提供的信息的可用性、完整性、相關性和時效性等維度的綜合考量，系統(tǒng)質量包含了用戶對生成式AI平臺相關的基礎設施的考量，服務質量包含了替代者（人或AI）提供的服務的綜合考量。在兩種轉移意愿中，用戶在以人為中介進行替代信息搜尋時，人的屬性并不具有系統(tǒng)功能，所以并不把系統(tǒng)質量不滿意因素考慮其中，而將信息質量不滿意以及服務質量不滿意作為人-人替代搜尋向人-機替代搜尋轉移意愿的推力因素；將信息質量不滿意、系統(tǒng)質量不滿意和服務質量不滿意作為人-機替代搜尋向人-人替代搜尋轉移意愿的推力因素。基于此，本文作出以下假設：

H1：信息質量不滿意正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。

H2：服務質量不滿意正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。

H3：信息質量不滿意正向影響人-機替代搜尋向人-人替代搜尋的轉移意愿

H4：系統(tǒng)質量不滿意正向影響人-機替代搜尋向人-人替代搜尋的轉移意愿。

H5：服務質量不滿意正向影響人-機替代搜尋向人-人替代搜尋的轉移意愿。

此外，隨著生成式AI的普及，這項技術與用戶的磨合還在探索期。有學者研究發(fā)現(xiàn)，在AIGC應用平臺上，用戶會擔心自己的個人信息被濫用、泄露或被未經(jīng)授權的第三方獲取，以及在使用生成式AI技術時，擔心這項服務會對自己生活和工作造成一定的威脅，如失業(yè)威脅和未來發(fā)展威脅[30]。類似的，James等發(fā)現(xiàn)使用在線社交網(wǎng)絡（OSN）的人通過發(fā)布可能包含他人信息的多媒體內容來交換信息，個人對暴露他人信息帶來了風險[31]。保護動機理論認為信息源影響個體的認知過程，進而影響應對模式，它認為認知過程的核心是威脅評估和應對評估[2]。與從人-人替代搜尋模式轉向人-機替代搜尋模式不同的是，以AI為中介的人-機替代搜尋模式可能因技術特性引發(fā)新型隱私憂慮，而人-人替代搜尋模式因依賴親屬、朋友等強社交關系網(wǎng)絡，其隱私泄露風險常被用戶主觀感知為較低，這種認知差異最終導致兩種用戶轉移意愿的影響機制會呈現(xiàn)出不對稱性。因此，同時將隱私風險與感知威脅作為人-機替代搜尋向人-人替代搜尋的轉移意愿的消極因素。薛云建等通過實證研究證實感知隱私風險對用戶的知識付費APP持續(xù)使用意愿有顯著負向影響[33]，池毛毛等發(fā)現(xiàn)感知威脅對住宿平臺用戶的不持續(xù)使用意愿有顯著正向影響[34，在本文情境中，由于對原有服務的持續(xù)使用意愿有影響，所以用戶可能會產生轉移意愿。基于此，本文作出以下假設：

H6：隱私風險正向影響人-機替代搜尋向人-人替代搜尋的轉移意愿。

H7：感知威脅正向影響人-機替代搜尋向人-人替代搜尋的轉移意愿。

2.2 拉力因素

本文中的拉力因素是指吸引用戶以人或者生成式AI為中介進行替代信息搜尋行為的積極因素。結合已有研究，本文將技術示能性作為吸引用戶以生成式AI為中介進行替代信息搜尋行為（即人-機替代搜尋行為）的積極因素，將信任作為吸引用戶以人為中介進行替代搜尋行為（即人-人替代搜尋行為）的積極因素。本文對兩種替代搜尋模式轉移意愿拉力因素的差異化選擇在于人-機替代搜尋模式依賴技術性能，而人-人替代搜尋模式會更多地依賴人際關系因素（見表1）。

示能性來源于生態(tài)心理學領域的格式塔理論，是行為環(huán)境中物體在用戶認知感官中的反映，即用戶能夠了解物體實際上有何種用途35。宋小康等又進一步基于社會技術系統(tǒng)理論，進一步考慮人與算法交互過程中的社會物質性以及AI智體作為社會行動者的可能性，這種技術賦能的行動可能性被解讀為技術示能性（TechnologyAffordance），也譯作技術可供性[4]。生成式AI所展現(xiàn)的技術示能性能夠反映用戶對其所具有功能的感知。因此，將技術示能性作為人-人替代搜尋向人-機替代搜尋的轉移意愿的積極因素。結合已有文獻[36-37]，本文進一步將技術示能性歸納為交互性、個性化、擬人化、可訪問性。交互性示能性集成了IT功能、溝通過程以及用戶感知[38]，即交互性反映了個人感知的生成式AI對其作出響應的速度、可靠性等[39]。同時，Barker驗證了感知交互性對青少年社交網(wǎng)站的持續(xù)使用意愿有正向影響[4。所以當用戶感知到生成式AI的交互性時，可能會更加愿意使用。個性化強調了每個人獨特的學習偏好、能力和速度，生成式AI可以通過根據(jù)之前的交互和查詢提供個性化響應，提供更有針對性的體驗[41]。有研究發(fā)現(xiàn)，當語音助手能夠根據(jù)用戶的需求提供個性化服務時，用戶就會傾向于信任語音助手[42]。生成式AI將每個用戶視為一個獨特的實體，通過收集、數(shù)字化和分析個人信息提供個性化服務，使用戶對它們產生信任，從而更加愿意使用生成式AI。感知擬人化反映用戶對非人類主體被賦予人的特質（如特征、動機或心理狀態(tài)等）的感知[2。生成式AI的擬人化特征能夠通過增強與消費者之間的情感連接，提升其感知價值，從而令其更加愿意使用生成式 AI 生成式AI的可訪問性使用戶有機會隨時學習，他們不再需要等待人類的幫助[43]，從而可能會影響用戶的轉移意愿。基于此，本文作出以下假設：

H8：生成式AI的交互性正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。H9：生成式AI的個性化正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。H10：生成式AI的擬人化正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。H11：生成式AI的可訪問性正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。

信任的概念是不完整、不一致和多樣的[44]。社會資本理論認為信任是用戶之間的關系資本，Wasko和Faraj認為當某一用戶對社區(qū)及其他用戶有強烈的認同和信任時，關系資本隨之產生[45]。信任反映了對其他用戶的能力、誠實和善意的信念[46]。本文對信任的定義為，用戶以人為中介進行替代信息搜尋的信息滿足其需求的信任程度。Currant和Saguy認為信任正向影響遷移過程[47]。因此，用戶以人為中介進行替代信息搜尋行為時，實際上也是利用自己的人際關系，由于生成式AI的“黑箱\"特性，用戶可能更傾向于相信真實的人而非\"數(shù)字人\"[2]，從而會產生轉移意愿。基于此，本文作出以下假設：

H12：信任正向影響人-機替代搜尋向人-人替 代搜尋的轉移意愿

2.3 錨定因素

本文中錨定因素是指促進或阻礙用戶產生轉移意愿的個人或社會環(huán)境因素。結合已有研究，將個體創(chuàng)新性以及轉移成本作為吸引或阻礙用戶以生成式AI為中介進行替代信息搜尋行為（即人-機替代搜尋行為）的因素。將社會支持作為吸引或阻礙用戶以人為中介進行替代信息搜尋行為（即人-人替代搜尋行為）的因素。本文對兩種替代搜尋模式轉移意愿錨定因素的差異化選擇在于人-機替代搜尋模式依賴用戶對AI產品的認知以及學習成本，而人-人替代搜尋模式會更多地依賴社會網(wǎng)絡關系（見表2）。

個體創(chuàng)新性是個體所固有的持久的人格特質，是較其所處社會群體中先采用創(chuàng)新技術的意向程度[48]。在信源一致的情況下，個體創(chuàng)新性越高，其對目標技術產生的積極信念也越多[49]。因此，在本文研究情境下，生成式AI仍處于用戶的探索期中，個體創(chuàng)新性會對用戶的情緒產生積極影響，從而令用戶更加愿意使用生成式 AI Burnham等提出轉移成本，指人們在轉向接受新服務時失去的現(xiàn)有利益和付出的額外努力[50]。本文中的轉移成本指的是用戶從人-人替代搜尋模式轉移到人-機替代搜尋模式所產生的成本。已有研究表明，轉移成本會限制用戶的轉移，轉移成本的存在促使消費者選擇不進行轉移，而繼續(xù)使用原有服務或產品[23]。因此轉移成本可能限制用戶選擇生成式AI，從而不產生轉移意愿。基于此，本文作出以下假設：

H13：個體創(chuàng)新性正向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。

H14：轉移成本負向影響人-人替代搜尋向人-機替代搜尋的轉移意愿。

在人-人替代搜尋行為研究中，社會支持是一個重要的關鍵因素[51]。Nambisan認為社會支持指個人通過人際關系網(wǎng)絡所能夠獲得的心理、物質條件和資源[52]。在人-人替代搜尋模式下，社會支持是這種模式的顯著優(yōu)勢，充分利用自己的人際關系資源來獲得自己想要的信息，因此轉移意愿可能也會隨之增加。基于此，本文作出以下假設：

H15：社會支持正向影響人-機替代搜尋向人-人替代搜尋的轉移意愿。

3問卷設計與收集

3.1問卷設計

本文涉及兩個模型，涵蓋的變量分別用兩份問卷進行測量。問卷內容包括基本信息和量表兩部分。第一部分詳細介紹人-人替代搜尋模式以及人-機替代搜尋模式，同時設置注意力檢查問題。第二部分依據(jù)國內外相關研究結果中的成熟量表，并結合本文研究情境編制問卷題項。總體采用Likert七級量表（相關變量及測量題項見表3、表4）。

3.2樣本收集

由于本文的目標樣本群體為有過他人以及生成式AI替自己搜尋信息經(jīng)歷的用戶，因此，設定“您是否有過家人、朋友幫您搜尋信息的經(jīng)歷？”“您是否有過生成式AI幫您搜尋信息的經(jīng)歷\"以排除非目標樣本。通過問卷星平臺創(chuàng)建問卷，同時借助QQ群、微信群、以及微博、小紅書等社交媒體進行轉發(fā)邀請回答。根據(jù)答題時間、特定題、答題選項重復率、答題邏輯是否連貫等標準對樣本進行篩選，分別得到407份和430份有效問卷數(shù)據(jù)，符合樣本數(shù)量達到題目數(shù)量的5倍以上。

4數(shù)據(jù)分析及假設檢驗

4.1 描述性統(tǒng)計分析

對兩份問卷結果進行描述性統(tǒng)計分析，得出用戶從人-人替代搜尋向人-機替代搜尋的轉移意愿調查結果，用戶從人-機替代搜尋向人-人替代搜尋的轉移意愿調查結果（見表5、表6）。

由表5、表6可知，在對兩種轉移意愿的調查中，男性、女性占比分別為 46.4%.53.6%，45.6%.54.4% 男女分布比較均衡。在兩次調查中，被調查者大部分在35歲以下，具有本科及以上學歷。此外，通過調查發(fā)現(xiàn)，大部分被調查者對于市場上常見的生成式AI有所了解，并且有一定的使用頻率和使用時間。

4.2 信效度檢驗

采用SPSS25.0和AMOS24.0對兩個測量模型進行信效度檢驗。并得出結果（見表7、表8），可以看出，各變量的Cronbach'sAlpha系數(shù)介于0.799-0.895之間，CR值位于0.858-0.915之間，顯示了較好的內部一致性，問卷信度較高。各變量的AVE也都高于0.50，顯示量表具有良好的收斂效度。此外，分析其各自區(qū)分效度（見表9、表10）可知，各變量的AVE平方根值均顯著大于該變量與其他變量間的相關系數(shù)，顯示較好的區(qū)分效度。

4.3 假設檢驗

采用AMOS24.0對結構模型進行分析，計算模型中各變量間的路徑系數(shù)并進行假設檢驗，得出兩個模型的擬合結果（見表11），發(fā)現(xiàn)所有擬合指數(shù)的實際值均優(yōu)于推薦閾值，表明兩個模型整體都具有良好的擬合優(yōu)度。由此生成兩個模型各自的假設檢驗路徑結果（見圖3、圖4）。

5研究結論

5.1用戶替代信息搜尋行為模式轉移意愿影響因素

（1）人-人替代搜尋向人-機替代搜尋轉移意愿影響因素

在推力因素中，信息質量不滿意顯著正向影響用戶轉移意愿，而服務質量不滿意對轉移意愿不存在顯著影響。當用戶意識到從人-人替代搜尋中獲得的信息存在偏差、不完整或過時等問題時，受到社會心理因素的影響，如面子問題、信任危機等，用戶可能會感到尷尬或失望，這種情緒進一步促使他們產生轉移意愿。此外，盡管服務質量也是用戶體驗的重要組成部分，但在本文中，它并未顯著影響用戶從人-人替代搜尋向人-機替代搜尋的轉移意愿。這可能是因為用戶可能更看重信息的實際價值，而非搜尋過程的體驗。因此，即使服務質量存在不足，只要信息質量滿足用戶需求，用戶仍可能保持對人一人替代搜尋模式的依賴。

在拉力因素中，交互性、可訪問性、擬人化顯著正向影響用戶轉移意愿，而個性化對轉移意愿不存在顯著影響，與以往研究一致[27]。高交互性的產品或服務能夠迅速響應用戶需求，提供流暢的用戶體驗，從而增強用戶滿意度和忠誠度來提高轉移意愿。同時一個易于訪問、操作簡便的平臺或服務能夠吸引更多用戶，而擬人化元素能夠使用戶感受到更加親切、自然的互動體驗，并促使他們愿意嘗試新的替代信息搜尋模式。與此同時，由于技術限制或數(shù)據(jù)隱私等問題，個性化服務的實現(xiàn)可能并不理想，導致用戶無法充分感受到其帶來的優(yōu)勢，用戶可能更注重產品或服務的實用性和功能性，對于個性化服務的需求并不強烈。因此，即使提供了個性化服務，也可能無法顯著提升這些用戶的轉移意愿。

在錨定因素中，個體創(chuàng)新性顯著正向影響用戶轉移意愿，轉移成本顯著負向影響用戶轉移意愿。

個體創(chuàng)新性高的用戶通常對新技術、新平臺持有較高的接受度和偏好，他們更擅長于學習和掌握新的技能，因此更容易克服轉移過程中的認知障礙，從而產生轉移意愿。與此同時，除了經(jīng)濟成本外，用戶還會考慮轉移的時間成本和學習成本，轉移到新平臺可能需要花費大量的時間和精力來熟悉新的界面、功能和操作流程。如ChatGPT的注冊流程涉及多環(huán)節(jié)驗證與技術操作，對于數(shù)字技術操作不熟練的中老年用戶而言，復雜的驗證機制、多平臺切換操作以及網(wǎng)絡環(huán)境配置要求，易造成使用障礙。這種時間成本和學習成本會增加用戶的轉移難度，因此他們更愿意采用人-人替代搜尋模式，從而降低他們的轉移意愿。

（2）人-機替代搜尋向人-人替代搜尋轉移意愿影響因素

在推力因素中，隱私風險、信息質量不滿意顯著正向影響用戶轉移意愿，而信息質量不滿意，系統(tǒng)質量不滿意以及感知威脅對轉移意愿不存在顯著影響。使用ChatGPT可能需要用戶提供一些個人信息或數(shù)據(jù)，這可能會引發(fā)用戶對數(shù)據(jù)隱私和安全問題的擔憂。尤其是當這些信息可能被用于不當自的或泄露給第三方時，用戶的信任度可能會降低，從而會影響用戶轉移意愿。這不僅揭示了用戶對于生成式AI產品廠商信任度的欠缺，也反映了在大數(shù)據(jù)時代背景下用戶隱私意識的不斷增強。服務質量不滿意主要體現(xiàn)在用戶對于生成式AI平臺功能的不滿意，如使用體驗、功能種類等，這些問題會整體影響用戶體驗，從而促進其轉移意愿產生。而信息質量不滿意，系統(tǒng)質量不滿意對轉移意愿不存在顯著影響，這與梁少博和李金玲的研究不一致[29]。替代信息搜尋是一個動態(tài)過程，尤其是人-機替代搜尋，用戶會根據(jù)自身的需求和情境不斷調整搜尋策略。在信息質量不滿意的情況下，用戶可能會選擇繼續(xù)深化對生成式AI的使用，通過調整關鍵詞、改變查詢方式或改變搜尋指令來優(yōu)化搜尋結果。系統(tǒng)質量不滿意更多體現(xiàn)在生成式AI平臺設計上，盡管用戶對此方面不滿意，但是由于人-機替代搜尋具有其他方面的優(yōu)勢，如交互性、可訪問性等，會保持對生成式AI的信任和依賴，從而不產生轉移意愿。感知威脅對轉移意愿不存在顯著的正向影響，即使感知到威脅，用戶也可能因為其他因素（如對現(xiàn)有平臺的依賴、對新平臺的不熟悉等）而保持原有的使用習慣。

作為拉力因素的信任顯著正向影響用戶轉移意愿。用戶面臨著信息來源的不確定性、信息質量的不可預測性等風險。當用戶對生成式AI的信任度較低時，他們可能會擔心AI提供的信息不準確、不完整或存在偏見。相比之下，當用戶轉向人-人替代搜尋時，他們更可能信任家人、朋友等提供的信息，因為這些信息來源通常被認為是可靠的、有情感的，并且能夠提供個性化的建議。如在健康信息替代搜尋中，當用戶面臨疾病或健康問題時，他們更可能信任醫(yī)生、家人或朋友提供的建議和信息，而不是完全依賴互聯(lián)網(wǎng)上的生成式 AI 這種信任的建立是基于長期的經(jīng)驗、關系和情感聯(lián)系。因此信任作為一種拉力因素，能夠降低用戶對人-人替代搜尋方式的不確定性感知，從而增強他們的轉移意愿。

作為錨定因素的社會支持顯著正向影響用戶轉移意愿。在社會心理學中，社會支持網(wǎng)絡被視為一種重要的資源，能夠幫助個體應對壓力、挑戰(zhàn)和不確定性。由家人、朋友等構成的社會支持網(wǎng)絡不僅能夠提供信息支持，還能夠提供情感支持、建議和支持性反饋。用戶在替代信息搜尋過程中，可能會遇到各種挫折或困難，此時情感支持尤為重要。家人、朋友等的關心、理解和安慰可以幫助用戶緩解焦慮、恐懼等負面情緒，這種深層次的情感支持，可能是當前市面上的生成式AI產品在設計與功能實現(xiàn)上難以充分達到的一種人文關懷。因而會促使用戶從人-機替代搜尋向人-人替代搜尋轉移。

5.2對策建議

根據(jù)兩種轉移意愿的特點與類型，本文具有如下實踐啟示：

（1）提升生成式AI的交互性與擬人化。由結構方程模型假設檢驗結果可知交互性和擬人化是用戶從人-人替代搜尋轉移到人-機替代搜尋的重要影響因素。因此開發(fā)者應不斷優(yōu)化AI的交互界面，使其更加直觀易用，同時增強AI的擬人化特征，如情感交流、個性化推薦等，以提升用戶體驗。在構建AI交互界面的設計中，可以采用溫馨而柔和的色調搭配以及圓潤無棱角的界面構成元素，營造一種舒緩愉悅的用戶體驗氛圍，使用戶在操作過程中能夠感受到心理上的放松與滿足。此外，還需強化AI的情緒識別與反饋機制，使其能夠敏銳捕捉用戶的情感狀態(tài)，如在用戶表達喜悅時給予正面積極的回應，在用戶情緒低落時則提供恰當?shù)男睦砦拷迮c鼓勵，從而在情感層面與用戶建立更加緊密和諧的互動關系。

（2）加強產品宣傳。由結構方程模型假設檢驗結果可知，隱私風險是影響用戶從人-機替代搜尋轉回人-人替代搜尋的重要因素。針對這一點，實施用戶教育活動成為提升用戶對生成式AI認知度與信任度的有效途徑。通過開展用戶教育活動，可以提升用戶對生成式AI的認知度和信任度。同時，引導用戶理性看待生成式AI的局限性和潛在風險，學會在人與AI之間做出合理的選擇。生成式AI廠商需建立完善的隱私保護機制，明確且透明地向用戶披露數(shù)據(jù)處理的方式及用途，增強用戶的安全感，減少隱私擔憂。

（3）融合技術與人文關懷。結構方程模型假設路徑顯示，社會支持和信任正向影響用戶從人-機替代搜尋向人-人替代搜尋的轉移意愿。因此在設計生成式AI時，應注重技術與人文的結合。不僅追求技術上的先進性，更要關注用戶的需求和感受，讓AI成為用戶的貼心助手而非冷冰冰的機器。應當致力于提升AI的自然語言處理能力，使其能夠精準理解并靈活回應用戶的自由表述，實現(xiàn)類似人際對話般的流暢交互，而非局限于對預設指令的機械執(zhí)行。同時增加生成式AI的易用性，界面要簡潔，避免過多的復雜操作和冗余信息，提供清晰的指引和幫助文檔，讓用戶能夠快速上手，減少學習成本，降低轉移成本。

6結語

本文對比了人-人替代搜尋模式到人-機替代搜尋模式的轉移意愿以及人-機替代搜尋模式到人-人替代搜尋模式的轉移意愿之間的差異，基于PPM模型，分別考察了用戶替代信息搜尋行為模式間的兩種轉移意愿的影響因素，結合結構方程模型的假設驗證結果，發(fā)現(xiàn)從人-人替代搜尋向人-機替代搜尋的轉移意愿受到信息質量不滿意、交互性、可訪問性、擬人化、個體創(chuàng)新性、轉移成本等6個因素的影響。從人-機替代搜尋向人-人替代搜尋的轉移意愿受到隱私風險、信任以及社會支持等3個因素的影響。

本文也存在一定的局限性，一是影響用戶轉移意愿的因素較多，用戶的轉移意愿受外界環(huán)境干擾較多，研究模型中考慮的影響因素有限，未來可以通過質性研究探討出更多影響因素。二是用戶替代信息搜尋行為是動態(tài)發(fā)展過程，本文主要采用截面數(shù)據(jù)研究轉移意愿，未來的研究可采集縱向數(shù)據(jù)，跟蹤用戶轉移行為的發(fā)展。

參考文獻：

[1]常文英，劉冰.網(wǎng)絡環(huán)境中信息弱勢群體信息援助模式與策略研究[J].情報雜志，2011，30（5）：152-155，123.

[2]孫榕，李白楊.生成式人工智能（GAI）背景下的新型數(shù)字鴻溝識別框架研究[J/OL].圖書情報知識，1-12［2024-09-18]. http：//kns.cnki.net/kcms/detail/42.1085.G2.20240321.1548.002.html.

[3]MckenziePJ.Amodelofinformationpracticesinacountsofeveryday-lifeinformationseekingJ].JournalofDocumetation， 2003，59（1）：19-40.

[4]宋小康，趙宇翔，宋士杰，等.社會技術系統(tǒng)范式下 A1 賦能的替代信息搜索：特征、理論框架與研究展望[J].圖書情報知 識，2023，40（4），111-121.

[5］周濤，李松洮，鄧勝利.用戶信息搜尋轉移意向研究：從搜索引擎到生成式AI[J].圖書情報工作，2024，68（3）：49-58.

[6]王娟，湯書昆.生成式信息隱私鴻溝倫理風險探討[J/OL].科學學研究，1-18[2025-01-04].htps：/doi.org/10.16192/. cnki.1003-2053.20240717.004.

[7]李想.生成式人工智能的數(shù)據(jù)安全風險與刑法應對[J].湖南社會科學，2024（5）：98-107.

[8]劉霜，祁敏.生成式人工智能的刑事法律風險及其合規(guī)治理[J].河南社會科學，2024，32（8）：47-58.

[9]SadasivamRS，KinneyRL，LemonSC，etalInterethealthinformationsekingisateamsport：analysisof thePewIteet Survey[J].International journal of medical informatics，2013，82（3）：193-200.

[10]宋小康，趙宇翔，宋士杰，等.互聯(lián)網(wǎng)環(huán)境下我國健康信息替代搜尋者特征及其行為模式研究[J].圖書情報工作， 2020，64（22）：107-117.

[11]宋小康，趙宇翔，朱慶華.互聯(lián)網(wǎng)環(huán)境下國外健康信息替代搜索研究的回顧與展望[J].情報理論與實踐，2020，43（3）： 169-176，168.

[12]裴俊良，周曉英，張素萍.健康信息替代搜尋行為的類型、過程、特征和模型研究[J].現(xiàn)代情報，2024，44（1）：11-24.

[13]CutronaSL，azorKM，VieuxSN，etalHealthiformationseekingonbehalffothers：characteristicsof“suogateekers\"[J].Journalofcancer education，2O15，3O：12-19.

[14]Tan S SL，Goonawardene N.Internet health informationseeking and the patient-physician relationship：asystematicreview[J].Journalofmedical Internetresearch，2O17，19（1）：9.

[15]Waring ME，McManusDD，Amante DJ，etal.Online healthinformationseeking byadultshospitalized foracutecoronary syndromes：Wholooksforinformation，andwhodiscusses itwithhealthcare providers？J].Patienteducationandcounseling， 2018，101（11）：1973-1981.

[16］沈彥琪，宋小康，朱慶華.在線健康信息替代搜尋對老年人健康素養(yǎng)的影響研究——基于社會認知理論［J].現(xiàn)代情 報，2024，44（10）：115-125.

[17］宋小康，趙宇翔，朱慶華.在線健康信息替代搜尋對被替代者健康行為和健康水平的影響研究[J].情報學報，2022，41 （6）：625-636.

[18]Susan MKeaveney.Customerswitchingbehaviorinserviceindustries：AnexploratorystudyJ]JouralofMarketing，1995，59 （2）：71-82.

[19]RustRL，ZahorikAJCustomersatisfactio，ustomerretentionandmarketshareJ]JuralofRetailing，1993，69（2）：93-15.

[20]GaneshJ，ArnoldMJ，ReynoldsKE.UnderstandingthecustomerbaseofserviceProviders：anexaminationof thedierences between switchers and stayers[J].Journal of Marketing，20o0，64（3）：65-87.

[21]HarvirSBansal，ShirleyFTaylor，Yannik StJames.\"Migrating\"tonewservice providers：Towardaunifying frameworkofconsumers'switching behaviors[J].Journal of the Academy of Marketing Science，20o5，33（1）：96-115.

[22]AvusYH，Ching CC.Cyberspace migration：Exploring socialnetwork sitesswitchingthrough human migrationtheoryJ].Journal of Information Management，2011，19（1）：105-132.

[23］夏立新，王凱利，程秀峰.基于PPM模型的移動音樂平臺用戶轉移行為研究——以網(wǎng)易云音樂為例[J].現(xiàn)代情報， 2018，38（8）：3-11.

[24]王俊，謝青伶，劉暢.日常生活情境下用戶與生成式人工智能交互行為分析[J/OL].圖書情報知識，1-11[2025-02-04]. http：//kns.cnki.net/kcms/detail/42.1085.G2.20240825.1737.004.html.

[25］周濤，張春雷，鄧勝利.基于C-A-C的生成式AI用戶間歇性中輟行為研究[J].現(xiàn)代情報，2025，45（3）：40-50，64.

[26]周濤，吳曉穎，鄧勝利.用戶知識問答轉移行為研究：從問答社區(qū)到生成式AI[J].情報雜志，2024，43（2）：200-207.

[27]冷旭，陳渝.替代信息搜索情境下的用戶轉移意愿研究[J].情報雜志，2024，43（12）：186-197.

[28]Ho AC，Chern C-C，Chen H-G，etal.Migrating toanew virtual world：Exploring MMORPG switching through human migration theory[J].Computers in Human Behavior，2011，27（5）：1892-1903.

[29]梁少博，李金玲.移動數(shù)字閱讀平臺用戶轉移行為研究[J].圖書情報工作，2022，66（2）：99-108.

[30]張玥，李青宇，劉雨琪，等.組態(tài)視角下AIGC應用平臺用戶中輟行為影響因素研究[J].情報理論與實踐，2024，47（3）： 130-137，148.

[31]James TL，WallceL，Warkentin M，etalExposing others’informationononline social networks（OSNs）：Perceivedshared risk，itsdeterminants，anditsinfluenceonONprivacycontroluseJ].Informationamp; Management，2017，54（7）：85-865.

[32]張曉娟，李貞貞.基于社會認知理論的智能手機用戶信息安全行為意愿研究[J].現(xiàn)代情報，2017，37（9）：16-22.

[33］薛云建，董雨，浦徐進.知識付費 App 用戶持續(xù)使用意愿的模型構建及實證研究[J].經(jīng)濟與管理，2021，35（4）：17-23.

[34］池毛毛，王俊晶，王偉軍，等.基于用戶抵制理論的共享住宿平臺用戶不持續(xù)使用意愿— 一項混合方法研究[J].圖 書情報知識，2024，41（4）：134-145.

[35］陳渝，路洋，金雪聰.基于示能性視角的信息系統(tǒng)使用研究綜述[J].圖書館理論與實踐，2016（4）：28-34.

[36]Shao Z，ZhangJ，ZhangL，etalUncoveringpostadoptionusageofA-basedvoce assstants：atechologyafordancelens using a mixed-methods approach[J].European Journal of Information Systems ，2O24：1-27.

[37]Wang N，Wang X，SuYS.Criticalanalysisof thetechnologicalafordances，challenges andfuture directionsofGenrativeAI in education：a systematic review[J].Asia Pacific Journal of Education，2O24，44（1）：139-155.

[38]Zhang J，LiuZ，LvH，etal.Aiine-learning：theafordanceperspectiveJ].Behaviouramp;Information Technology，024，43 （15）：3863-3892.

[39]Zhao L，LuY.Enhancing perceivedinteractivity through network externaities：Anempiricalstudyonmicro-blogingservice satisfaction and continuance intention[J].Decision support systems，2012，53（4）：825-834.

[40]BarkerV.Olderadolescents‘motivationsforsocialnetwork siteseTeinuenceofgender，groupidentityandcollctiveselfesteem[J].Cyberpsychologyamp;behavior，2009，12（2）：209-213.

[41]Farrokhnia M，BanihashemSK，Norozi O，etal.ASWOTanalysisofChatGPT：Implicationsforeducational practiceandresearch[J].Innovations in Education and Teaching International，2O24，61（3）：460-474.

[42]Ameen N，HosanyS，PaulJ.The personalisation-privacy paradox：Consumer interaction with smart technologies and shopping mall loyalty[J].ComputersinHumanBehavior，2022，126：106976.

[43]DalalahD，DalalahOMA.The1 positives and1 negativesof generative AIdetectiontoolsineducationandacademic research：The case of ChatGPT[J].The International Journal of Management Education，2O23，21（2）：100822.

[44]MODEL A N I.Trust and tam in online shopping：An integrated model1[J].MIS Quarterly，2003，27（1）：51-90.

[45]Wasko MML，F(xiàn)araj S.\"It is whatonedoes\"：why peopleparticipate andhelpothers inelectroniccommunities of practice[J]. The journal of strategic information systems，200o，9（2-3）：155-173.

[46]周濤，袁青青，鄧勝利.開源軟件社區(qū)用戶知識貢獻行為研究——基于SEM與fsQCA混合方法［J].現(xiàn)代情報，2023，43 （11）：146-157，167.

[47]CurranSR，SaguyAC.Migrationandculturalchangearoleforgenderandsocialnetworks？J].JouralofInternational Women's Studies，2001，2（3）：54-77.

[48]RogersEM，SinghalA，Quinlan MM.Difusionof innovations[M//Anintegratedapproach tocommunicationtheoryandre search.Routledge，2014：432-448.

[49]AgarwalR，rasdJAconceptalandoeratioaldefiitionofpersonaliovativens inthominofinforationtholo gy[J].Information systems research，1998，9（2）：204-215.

[50]Burnham TA，F(xiàn)rels JK，Mahajan V.Consumerswitching costs：A typologyantecedents，andconsequences[J].Jouralf e Academy of marketing Science，2003，31：109-126.

[51］周敏，郅慧“替我搜一下\"：慢性病患者健康信息替代搜尋行為影響因素研究[J].新聞記者，2022（12）：81-96.

[52]NambisanP.Information seeking and social support inonline health communities：impact on patients'perceivedempathy[J]. Journal of the American Medical Informatics Association，2011，18（3）：298-304.

[53]Zhou T，Mi Q.Examining userswitchingbetween social Qamp;A platforms：A push-pull-moring perspetive[J].Universal Access in the Information Society，2024，23（3）：1333-1342.

[54]KimJ，KangS，aeJHuanlikensadatchmenefectonheperceivedinteractivityofAspeakersJ]JouaoBusiness Research，2022，144：797-804.

[55]Li CY，F(xiàn)angYH，ChiangYHCanAIchatbots helpretaincustomers？Anintegrative perspectiveusingafordancethoryand service-domain logic[J].Technological Forecasting and Social Change，2023，197：122921.

[56]BalakrishnanJ，DwvediYK.Covesatioalcommerce：enteringthenextstageofA-powereddigitalassistantsJ]Aalsf Operations Research，2024，333（2）：653-687.

[57]VnkateshV，MorrsMG，DavisGB，etalUseracceptanceofinformationtechnologyTowardaunifiedviewJ]Squarter ly，2003：425-478.

[58]BurnhamTA，F(xiàn)relsJK，Mahajan VConsumerswitchingcosts：A typology，antecedents，andconsequences[J].Jouralof the Academy of marketing Science，2003，31：109-126.

[59]ChenYH，KengCJ.UtilizingthePush-PullMooring-Habitframeworktoexploreusers’intentiontoswitchfromofline to online real-person English learning platform[J].Internet Research，2019，29（1）：167-193.

[60]LinCS，WuS，TsaiRJIntegratingperceived playfulnessinto expectation-confirmationmodelforwebportalcontext]Information amp; management，2005，42（5）：683-693.

[61] Cha H S，Wi JH，Park C，et al.Sustainabilitycalculus in adopting smart speakers—personalized services and privacy risks[J].Sustainability，2021，13（2）：602.

[62]CookJ，WallT.Newworkatitudemeasuresof rust，organizationalcommitmentandpersonaleednon-fulfilent]Joual of occupational psychology，1980，53（1）：39-52.

作者簡介：李梓奇，男，湖北大學歷史文化學院講師，研究方向：智慧圖書館、用戶信息行為、信息資源管理；潘思映，女，湖北大學歷史文化學院碩士研究生，研究方向：用戶信息行為；田雨晴，女，湖北大學歷史文化學院碩士研究生，研究方向：用戶信息行為。