社会临场感视角下的社交聊天

毛雯露

摘 要：社交聊天AI是人工智能最普及的应用之一，其交互功能却仍摆脱不了弱人工智能的影子，用户可获得的体验层次及临场感都较为薄弱。为探究当前社交AI技术用户弱临场感的产生原因，构建以用户感知价值为中介变量的模型，通过实证研究人机交互情境因素对社交类AI用户临场感的影响，以及用户的弱临场感是否会影响感知价值继而对使用意愿产生消极效果。根据研究结果，针对社交聊天AI已有交互功能，探讨此类应用加入情境识别的意义以及未来的研究方向。

关键词：社会临场感;人工智能;智能聊天机器人;交互情境

中图分类号：G206.2 文献标识码：A文章编号：1672-8122（2020）03-0087-04

一、研究背景

2017年3月，Google旗下团队DeepMind开发的人工智能Alpha Go以3比0的总比分打败了世界围棋冠军柯洁，由此引发了社会对人工智能的广泛关注。在近几年人工智能的狂潮中，技术发展赋予人工智能无限的可能性，其用途得以延伸至智能家居、教育等各领域，替人们分担了部分简易琐碎的工作。

智能聊天机器人作为当前人工智能发展阶段的热门项目，投入市场后得到了很多用户的青睐。目前在我国具有聊天对话功能的机器人中，最具代表性的有微软的小冰、阿里的天猫精灵、百度的小度机器人等，将此项技术依托家电、社交软件等媒介进行产品推广，收获了不错成效。跨平台运营的微软小冰自2014年推出后，该技术已覆盖全球多个国家，合作的第三方智能设备也达到了4.5亿台[1]。天猫精灵则在家电领域打出了品牌，将智能聊天元素融入音响，使这项略显高端的技术融入日常娱乐中。阿里发布的最新数据显示，天猫精灵销量连续两年中国第一，其可连接的AIoT设备达到了2.35亿台[2]。

社交聊天AI技术一直朝着更真实地模拟人类对话并提供多层次、多维度的人机交互服务发展。为了强化人工智能中的“智能”部分，实现深层次的自然交互并赋予人工智能用户人性化的体验，无论是微软还是阿里，都将目光投向了人工智能的情感计算和情感运用。阿里巴巴2019年9月推出的最新款天猫精靈IN糖，有专门的情感搜索引擎分析用户的情绪，并提供能改善情绪的正向反馈。

即使智能聊天机器人在逐步实现以往的设想并完善用户的体验，用户在使用智能聊天机器人时的真实感受和反馈仍有待观望，原因有以下几点：一是技术带来的交互体验和真人从现实社交处获得的体验仍有不小的差距，很难满足用户对人机交互的期望;二是虽然技术层面在向强人工智能靠拢，但从用户需求层面而言，用户的使用意愿与研发初衷或相悖。用户追求的可能是操作简易、娱乐性及功能性较强的弱人工智能，而不是真正意义上的强人工智能;三是虽然智能聊天机器人通过和第三方合作，让销售和使用数值产生了不少高峰，然而用户在使用过程中却呈现疲态。有许多使用者购买、使用的原因只是新技术尝鲜，很难构成持续使用的行为。

从上述各种情况来看，不够成熟的智能聊天机器人应用，无论是功能的匮乏还是用户需求的忽略，都对用户的持续使用意愿产生了影响。因此，收集用户的使用情况和需求反馈，了解他们想要从中获得的价值，有助于厘清未来人工智能技术革新的思路。本文构建了以用户感知价值为中介变量的模型，考察目前购买、使用社交聊天类AI用户对人工智能的价值需求层次。以当前功能实现中忽略的交互情境因素为外界变量，并在模型中引入了社会临场感作为前因变量，研究用户在使用过程中所获得的真实感是否受交互情境因素的影响。

通过网络，针对原为社交媒体使用者，且对数码家电感兴趣的用户发放问卷，总共回收362份问卷，在这之中筛选出曾有社交聊天类AI使用经验的用户，共计334份有效问卷。通过前人设计的量表和模型，设计问卷并验证假设及模型，在社会临场感的视角下探索交互情境因素、社会临场感、用户感知价值和社交聊天AI用户不持续使用意愿行为之间的关系，结合未来人工智能的发展提出设想。

二、文献概述

（一）社会临场感

通常，社会临场感是指一个人在使用媒介沟通的过程中被视为“真实的人”及与他人联系的感知程度，由J.Short、E.Williams 和B.Christie提出[3]。这个概念在早期被广泛应用于远程教育和在线学习的研究中，最初学者认为它是一种媒介的固有属性，后人则认为社会临场感是媒介交互过程中一种对他人的心理感知[4]。

目前用户仍然很难将智能聊天机器人视为“人”来进行交互，技术却又在向强人工智能靠拢，因此社交聊天AI不能简单地理解为交互临场平台。它既能创造和影响用户对媒体心理感知的强弱，亦可以激发用户对他人的感知并投射自己的真实情感。但在本文中，基于现阶段社交聊天AI只属于弱人工智能、且大部分社交聊天AI并不提供多人情境互动的现实情况，仅将社会临场感视为人机交互产生的远程临场感。

关于社会临场感的定义争论较大，多围绕究竟是技术因素还是社会属性决定用户的社会临场感展开。截至目前，国内现有有关社会临场感的研究，仍以在线教育、网络购物和在线阅读等研究内容为主，这些研究主要体现了社会临场感作为人依凭媒介互动时产生的对他人的感知这一属性。对人机交互的关注，则是对沉浸概念的补充，如童怡在研究网络游戏中的互动与自我揭露时，建立了社会临场感和沉浸感之间的联系[5]。因此，将社交聊天AI用户社会临场感纳入感知价值与SOR模型中，并融合智能聊天AI的人机交互进行研究，或能以弱人工智能打破常规人机交互这点，去深入挖掘用户的社会临场感层次。

（二）感知价值

用户感知价值则是在技术接受和使用与满足模型中较常涉及的变量，也有很多专门关注感知价值模型的研究。用户在选择产品时会通过衡量价值大小作为依据，感知价值就代表了他们对产品质量的主观评价，包含多种考察维度。已有许多学者开发和改进了关于感知价值的测量量表，Sweeney将对用户感知价值的测量划分为情感价值、社会价值、价格价值和质量价值四个维度[6]，Lee在研究中引入了娱乐价值作为感知价值的维度之一[7];而Lee等则在测量游客赴韩的去军事化区域的旅游价值中引入了功能价值维度[8];Voss等认为感知价值分为实用和享乐两个维度，推出了体验价值量表[9]。

本研究参考了以上学者测量感知价值的各项维度和量表，整理出可考察目前用户使用智能聊天机器人时的感知价值维度，综合了社会价值、体验价值、情感价值、娱乐价值及功能价值，从多方面了解用户对社交聊天AI的感知价值需求。

（三）提出假设

目前关于技术或产品的不持续或消极使用行为意愿研究，以刺激机体反应（SOR）模型、压力源—紧张—结果框架、推—拉—锚定框架（PPM）等为主。在这些模型及研究框架中，影响用户流失的因素分为技术性因素、社会性因素及用户自身因素。由于智能聊天机器人尚处于发展过程中的起步阶段，在功能上完全无法与大众社交媒介平台相提并论。用户遭受的压力感和社交疲劳、耗竭等影响因素较少在当前的社交聊天AI使用过程中产生，而社会因素很难在单人情境的人机交互中对临场感产生作用，因此个体因素和社会因素在本研究中忽略不计。

结合前人关于社会临场感的研究，人机互动会对用户的社会临场感产生影响，在涉与人机交互变量的研究中，交互行为、交互内容等是考察变量的指标。而交互情境作为技术因素的体现与人机交互必不可少的一环，同样会对用户的社会临场感产生影响，故假设如下：

H1：社交聊天AI人机交互中交互情境因素正向影响用户的（弱）社会临场感。

国内已有研究表明，不同维度的社会临场感对于用户感知到的价值均有正向影响，且感知价值介于社会临场感和用户生成内容行为之间发挥中介作用[11]。因为当前用户在使用社交聊天AI的过程中可获得的社会临场感较弱，因此，本文提出如下假设：

H2：社交聊天AI用户的（弱）社会临场感正向影响其（弱）感知价值

许多研究表明，用户通过从使用产品的过程中寻找自己所需要的价值，从而对该产品产生持续使用的行为。社交聊天AI用户最初为了获得不同维度的价值而购买、使用，但如果他们无法感知到使用这项新技术的价值，就会产生消极的使用行为，假设如下：

H3：社交聊天AI用户的（弱）感知价值正向影响其消极使用意愿，基于上述假设提出本文的研究模型，如图1所示。

三、问卷设计与数据收集

（一）问卷设计

本文研究模型涉及4个变量，分别为“交互情境因素” “社会临场感” “感知价值”和“不持续使用”，共18个题项。问卷中有关模型的题项大多借鉴了国内外经典量表，并根据研究目的做了适当地修改。其中，交互情境因素综合了相关研究中的情境因素和交互因素，以曲鹤群[12]等研究为主。题项为“智能聊天机器人无法正确判断我当前所处的交互情境（如无法区分单人和多人交互情境）”“智能聊天机器人不能根据情境信息来理解我的意见和主张”等4题。社会临场感参考了Biocca等[13]、Shen和Khalifa等[14]以及Hassanein[15]等人的量表，用户感知价值则引用了上文提及的Sweeney、Lee等的量表。模型中题项的测量采用了李可特的5级量表，1至5分分别为“完全不赞同”“不赞同”“不确定”“赞同”和“完全赞同”。

（二）数据收集

在334份有效的問卷样本中，男女用户分别占比为59%和41%，调查中社交聊天AI的男性使用者略多于女性。而年龄层面，主要以18～30岁为核心的社交聊天AI用户群，占比为56.9%;其次则是30～40岁人群，占比为33.8%，可以说青年人依旧是最先尝试新技术的领军人物。调查对象的收入则以2 000元到5 000元中等收入的人群为使用主体，占40.1%，说明中等收入人群使用智能聊天机器人较多。教育经历数据显示，有53%的社交聊天AI用户学历为大学本科。

53.7%的用户每天使用社交媒体1～3小时，与之相反，这些用户每天在智能聊天机器人的使用上则很少花费1小时以上，人数仅占23.4%%。查询气象、交通、百科的搜索引擎功能是用户最喜欢也是社交聊天AI最常具备的功能，而情境管理功能则是社交聊天AI最差的功能之一，334人中仅有1人使用过该功能。

（三）信度和效度

通过Spss检验问卷中各变量的信度，交互情境因素、社会临场感、感知价值与不持续使用的Cronbachα系数分别0.789、0768、0.822、0.766，各变量的克隆巴哈值都高于0.7。量表整体的Cronbachs Alpha α系数达到了0.899，接近0.9，证明其内在信度比较良好。

通过结构效度和收敛效度的检验，首先对模型中各变量进行KMO系数及Bartlett球形检验，若变量的KMO检验系数均大于0.5同时Sig.值小于0.05时，研究问卷具有结构效度。整张问卷量表部分的KMO值达到了0.915，显著性0.00。

（四） 模型检验

本文综合了学界使用较多的吴明隆结构方程模型一书和其他相应研究中的各指标要求，将处理后的数据与之进行了对比，结果如表1所示。

在满足各项指标要求的同时，模型的SRMR值达到0.0445，小于要求的0.05，模型拟合程度良好。而经过AMOS的模型适配度分析，本文对量表的假设进行了验证。通过对显著水平、路径系数和t值的计算，发现本文提出的假设基本成立，检验结果如表2所示。

从假设的检验结果我们可以看到，P值大于0.05的检验结果处于非显著水平，同时C.R.的绝对值大于1.96才能称假设为显著，因此研究的三大假设均成立。

在这之中，以用户的感知价值对其不持续使用意愿或行为的影响最为显著，它的C.R.值（即t值）达到了10.40。综合理论基础和数据分析结果可知，社交聊天AI用户的社会临场感对其感知价值存在较为显著的正向影响，这表明感知价值在用户社会临场感与用户之间发挥了中介效应。

数据显示，在用户与智能聊天机器人交互的过程中，交互情境是影响用户社会临场感的因素之一。当用户认为社交聊天AI无法读取与自己的交互情境，或是不能根据情境信息来理解用户的对话意图时，那么用户能从中获得的交互真实感则会降低。同时，用户对该技术各方面的感知价值都会削弱，当他们无法从使用行为中获得期望的价值后，就会逐渐消极或干脆不再使用。

四、总结与展望

虽然研发智能聊天机器人的各大实验室都在努力训练机器人达到可与人进行持续的、用户喜欢的自然语言交互的理想水平，提高其对用户命令读取的准确度，并且增加情感识别等人性化交互内容，细化用户的需求，以提升他们在使用社交聊天AI时的体验。但如果智能聊天机器人的功能只限于识别交互语言，而脱离了交互情境的外在支持，再高超的自然语言对话都不能让用户感受到交互的价值。因此，将交互情境识别纳入社交AI的技术发展，或将有利于提高用户的粘性。这种交互情境的识别包括提供多样化的情境服务，如创造与人际交往接近的交互语境，判断用户当前所处的交互情境并提供趣味反馈等。

当然，本文的局限在于只研究了单一因素对社会临场感的影响，未能将交互情境中多人情境作为社会因素或是人际互动来考虑。从关于在线学习过程中用户的社会临场感的研究可以看到，他人与用户的交流互动对用户的社会临场感会產生影响，这意味着面向多人情境的社交聊天AI也应将人际沟通纳入用户社会临场感的研究模型中。如QQ小冰的使用多处于多人交互情境中，在同一情境中一起使用的用户，他们的言语是否会对用户的社会临场感产生影响。希望在对社交聊天类AI的后续研究中，能将弱人工智能与人文社交真正联系在一起，探索更多弱人工智能发展的可能性。

参考文献

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

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

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

[4] 腾艳杨.社会临场感研究综述[J].现代教育技术， 2013， 23（3）.

[5] 童怡.网络游戏中的互动与自我揭露对玩家行为形成机制研究 ——基于社会临场感视角[J]. 湖北经济学院学报（人文社会科学版），2018，15， 169（7）：63-66+75.

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

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

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

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

[10] 代宝， 邓艾雯.社交媒体用户不持续使用和转移行为的影响因素分析[J].情报科学， 2018，321（5）：66-72+91.

[11] 洪雪娇.社交媒体中社会临场感与用户生成内容行为的关系研究[D].华侨大学， 2017.

[12] 曲鹤群.基于移动设备的情境感知在泛在学习中的交互研究与设计[D].北京邮电大学，2006.

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

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

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

[责任编辑：张楠]