激励对人脸识别技术采纳的促进机制研究

王志英，杨 晋

（江苏科技大学 经济管理学院，江苏 镇江 212003）

0 引言

随着计算机技术的飞速发展，人脸识别在智慧安防、智慧城市、智能家居、移动支付等领域大放异彩，我国各行各业均有人脸识别技术的影子，例如公安部门的人脸布控、人脸搜索，机场和车站的人脸核验，日常生活中的刷脸支付、刷脸门禁等。据中商国际管理研究院统计，2020 年人脸识别在我国的市场规模达到45 亿元［1］，并且有逐年增长的趋势。人脸识别技术可减少人员接触，在某些特定情况下提供了便利。但与其他信息技术一样，人脸识别技术也存在安全风险，如隐私泄露、身份欺诈等，我国的“人脸识别第一案”［2］已经为该技术的不合理应用敲响了警钟等。目前，已有一些用户不愿意使用人脸识别技术及其相关应用，导致该技术的发展和推广受到了一定阻碍。

激励措施是信息技术领域促进采纳率的常用手段。然而，通过整理文献发现激励措施对不同的信息技术并非均具有促进作用，例如经济激励（Economic Incentive，EI）虽然对于提高近场通信移动支付采用率具有非常显著的效果［3］，但对施工单位推广新的信息技术却效果不佳［4］。目前关于激励对信息技术采纳的促进作用研究结论尚不统一，且针对人脸识别技术的采纳激励尚缺乏实证研究。因此，本文探讨激励对人脸识别技术的采纳是否有促进作用，借助激励机制的EI、权力激励（Power Incentive，PI）、社交激励（Social Incentive，SI）3 个维度，探索对人脸识别技术采纳有效的激励措施。

1 相关研究

1.1 人脸识别技术

人脸识别技术是采用一定技术提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而确定每个人脸身份的生物特征识别技术［5］。该技术由生物识别相关技术构建而成，包括人脸图像采集、人脸定位、人脸预处理、身份确认和身份搜索等［6］。人脸识别技术在教育、医疗、移动支付、城市生活等领域均有应用实例。例如，Kwon 等［7］采用人脸识别技术构建智能校园大门安全系统，以方便师生进出，保障其安全；陈晓熙等［8］认为人脸识别技术可加强医院医疗秩序管理，实现患者在全院的智慧识别、智能支付，优于传统的就诊卡、腕带等识别手段；Nan 等［9］研究认为刷脸支付比其他生物特征支付技术更加便捷安全；韩骁等［10］认为将人脸识别技术应用于城市轨道交通系统有助于监测客流、维护运营安全；Tang 等［11］提出一种基于深度图迁移学习的人脸识别算法，可有效识别不同环境中拍摄的人脸图像，将其应用于智慧城市建设有助于保障居民生活安全；宿静宜等［12］基于人脸识别技术设计的智慧门禁系统可应用于上班打卡、教室签到等多种场景，实用性强，具有推广价值。

人脸识别技术使用便捷、实现成本较低，且准确性高、无需直接接触［13］，但一些不良商家会在用户不知情的情况下采集其面部信息，这些信息一旦泄露、一旦滥用，相应的风险和危害便不可逆转，亦无法有效弥补［14］。

1.2 技术采纳

采纳就是接受采用。Davis［15］根据理性行为理论提出的技术接受模型（Technology Acceptance Model，TAM）被认为是信息技术采纳实证研究兴起的标志。已有技术采纳实证研究基本都是基于TAM 及其拓展模型展开，例如张楠等［16］基于TAM 模型提出一个针对国内用户信息技术初期接受程度的扩展模型，对个人用户的近期和远期使用意图和采纳行为（Adopting Behavior，AB）具有较好的解析作用；关磊［17］通过TAM 模型研究高校图书馆微信平台阅读活动推广成效的影响因素；常颖等［18］在TAM 模型的基础上构建农民工微信公众号使用行为影响因素模型，对农民工群体信息行为特征进行了详细阐述。

为提高人脸识别技术的采纳率，许多学者对其影响因素进行了研究。例如，Ciftic 等［19］研究发现社会因素和对系统的信任程度显著正向影响顾客使用人脸支付的意愿，顾客的享乐动机对使用人脸识别技术进行授权的意愿有正向影响，但对刷脸支付授权的意愿没有影响；Morosan［20］发现绩效期望、对酒店的信任程度和积极的预期情绪显著影响消费者在酒店使用人脸识别系统的意图；吴剑锋等［21］认为使用态度和感知有用性（Perceived Usefulness，PU）是影响人脸支付采纳率的重要因素，而感知风险负向影响使用态度，减弱用户的使用意愿；张庆杰等［22］认为人脸识别采纳率受社会因素、感知风险、感知易用性（Perceived Ease of Use，PEOU）和PU 4个因素的直接影响。

1.3 激励机制

激励作为外部促进因素，通过影响用户感知激发、促进并强化个体行为，使其达到预期效果［23］。EI 和非经济激励是学者们经常研究的两个维度。例如，Wang 等［24］将激励划分为货币激励和非货币性激励，并指出金钱激励对居民参与网络回收意愿有显著正向影响；赵晨等［25］研究发现学习成长改善、人际关系改善等非经济激励手段对员工创新绩效的提升具有直接效果；Colic 等［26］研究结果显示在特定环境下，非经济激励措施比EI 措施效果更加明显；刘广等［27］将教师科研绩效的激励因素分为内在激励（创新激励、成就激励、SI）和外在激励（薪酬激励、晋升激励、考核激励），发现教师内在的科研态度和行为是激励因素能够真正发挥作用的重要基石；梁梁等［28］认为现行激励机制平均主义过于严重，应将精神激励与物质激励有机结合；秦芬等［29］从EI、非经济激励和联合激励3 个维度探讨了社交媒体、问答平台中用户生成内容不足或贡献不大的改善方法。

信息技术领域的激励研究也取得了较多成果。例如，张梦雨等［4］研究发现激励策略对业主、设计方和施工方的信息技术采纳意愿影响不同，其中业主对激励力度最为敏感；卢强等［30］研究发现工资绩效激励对教师采纳课堂信息技术有显著正向影响；张德海等［31］研究发现政府补贴、免税激励措施对物流信息网络技术采纳有正向影响作用；相征等［32］研究发现政府政策激励对制造企业采纳大数据技术有正向影响作用。

由以上文献可知，现有研究主要讨论的是人脸识别技术采纳的自身影响因素，较少考虑外部激励措施的作用，且对激励措施的研究较为单一，较少将多种激励作用综合起来进行比较。为此，本文从EI、PI、SI 3 个维度研究激励机制对用户采纳人脸识别技术的促进作用。

2 模型构建

2.1 模型结构

在TAM 模型中，外部变量通过影响PU 和PEOU 影响用户AB［15］。学者们大多通过信息技术自身特性或用户感知等内部因素研究信息技术采纳的影响因素，但是优惠券、使用权力、社交等外部措施是提高采纳率的最常用办法。因此，本文以TAM 模型为理论支撑，引入外部激励机制，将激励划分为EI、PI、SI 3个维度，构建的模型结构如图1所示。

Fig.1 Model structure图1 模型结构

2.2 研究假设

2.2.1 EI对人脸识别用户感知的作用

EI 是指采用红包、优惠券、虚拟货币等方式进行激励。Zou 等［33］对互联网信息中介和基于位置的服务信息中介进行比较，发现基于位置的服务信息中介通过发放优惠券改变了用户PU 和PEOU，采纳行为有所提升；Zhong 等［34］对国内人脸支付的影响因素进行研究，发现发放优惠券对女性的PU 效果优于男性。日常生活中，人脸识别技术推广也采用EI，如微信、支付宝使用优惠券激励用户使用刷脸支付，阿里扫脸实名认证可获得虚拟货币奖励，王者荣耀游戏通过人脸识别认证后会给予游戏装备、虚拟金币等奖励。根据已有研究，本文提出以下假设：①H1a。EI对人脸识别PEOU 有促进作用；②H1b。EI 对人脸识别PU 有促进作用。

2.2.2 PI对人脸识别用户感知的作用

麦克利兰的成就需求理论提出权力需求能够驱动个体从事某项工作［35］。PI 即指人脸识别技术赋予用户的使用资格和权力［36］。日常生活中，网吧通过刷脸认证赋予成年人上网的权力；酒店通过人脸识别认证赋予客人入住酒店的权力；图书馆通过人脸识别技术赋予师生进出资格。这些权力使用户获得了较好的身心体验，根据已有研究，本文提出以下假设：①H2a。PI 对人脸识别PEOU 有促进作用；②H2b。PI对人脸识别PU 有促进作用。

2.2.3 SI对人脸识别用户感知的作用

成就需要理论提出个体存在与他人建立友好亲密的需要。SI 即指通过与他人沟通交流形成的情感链结与社会支持等。SI 通过激励社交关系对用户的PU 和PEOU 产生影响，例如陈忆金等［37］研究发现SI 对信息PU 有正向影响；李业根［38］研究发现特有社交圈能满足用户对网络文库的依赖感；Lee 等［39］研究表明线下知识共享对Facebook 的使用率有积极影响。现实生活中，抖音推出的卡通虚拟头像连麦、OPPO 手机的Omoji虚拟形象交友等均是通过社交激励促进用户采纳人脸识别；珍爱网等相亲网站会组织一些通过人脸认证的单身男女参加线下活动。基于此，本文提出以下假设：①H3a。SI 对人脸识别PEOU 有促进作用；②H3b。SI对人脸识别PU 有促进作用。

2.2.4 人脸识别PEOU对PU与AB的作用

PEOU 指用户认为使用特定系统无需费力的程度，信息技术的AB 和PU 受PEOU 的影响［15］。陈彦靓等［40］对人工智能自助服务用户的心理影响因素进行研究，发现PEOU 正向影响PU；范哲等［41］研究结果表明PEOU 对用户移动视觉搜索行为意向有正向影响作用；孙龄波等［42］研究发现PEOU 对公众行为意图有正向影响。根据已有研究，本文提出以下假设：①H4a。人脸识别PEOU 对PU 有正向影响；②H4b。人脸识别PEOU 对人脸识别技术AB 有正向影响。

2.2.5 人脸识别PU对人脸识别采纳的作用

PU 指用户认为人脸识别技术有用的程度［15］。陈彦靓等［40］研究表明PU 影响人工智能自助服务用户的行为，并被PEOU 影响；范哲等［41］研究结果表明，PU 对用户移动视觉搜索应用方式的行为意向有正向影响作用；孙龄波等［42］研究发现PU 对公众行为意图有正向影响。根据已有研究，本文提出H5 假设：人脸识别PU 对人脸识别技术采纳有正向影响。

3 研究设计

3.1 测量变量

本研究借鉴国内外成熟的Likert5 量表，采用多维度对各变量进行测量，具体如表1所示。

Table 1 Research Scale表1 研究量表

3.2 描述性统计分析

为保证样本具有普遍性和代表性，采用问卷星线上回收问卷400份，其中有效问卷390份，有效率达97.5%，符合统计分析要求。问卷信息统计分布如表2所示。

Table 2 Questionnaire statistical analysis表2 问卷信息分析

从年龄上看，人脸识别技术使用者主要集中在20-30岁，占样本总量的58.20%；从学历上看，专科及以上人群使用人脸识别技术最多，占89.74%；从使用频率上看，有69.23%的用户每周会使用超过20 次人脸识别应用。问卷的描述性分析如表3所示。

3.3 信度分析

本研究采用内在信度分析判断量表是否有效，采用Cronbach’s α 系数对问卷的信度进行测量，检验结果如表4 所示。可以看出，所有变量的Cronbach’s α 系数均在0.7以上，达到了较好水平，表明本研究采用的量表具有内部一致性和可信度。

Table 4 Reliability test result表4 信度检验结果

3.4 效度分析

效度分析包括探索性因子分析和验证性因子分析两部分。

3.4.1 探索性因子分析

首先对人脸识别用户激励、人脸识别用户感知、人脸识别采纳进行KOM 和Bartlett’s 球形检验，结果如表5 所示。可以看出，人脸识别技术用户激励、用户感知和采纳的KMO 值均大于0.5，Bartlett’s球形检验也达到显著水平，因此样本可以进行探索性分析。

Table 5 KOM and Bartlett's spherical inspection results表5 KOM和Bartlett’s球形检验结果

然后进行探索性因子分析，本文研究变量均基于文献资料，故可以预先判断因子数量：人脸识别用户激励提取3个因子，人脸识别用户感知提取2 个因子，人脸识别采纳提取1 个因子。采用SPSS 软件对其进行检验，6 个因子累计解释量为68.249%，具有较强解释率。

3.4.2 验证性因子分析

验证性因子的分析目的是对本文模型所作假设进行检验，确认数据是否符合这些假设，以进一步确保效度。分析结果如表6 所示。可以看出，验证性因子的平均方差抽取量（Average Variance Extracted，AVE）和组合信度（Composite Reliability，CR）均达到标准，说明本次数据具有良好的聚合效果，可以进行下一步分析。

Table 6 Results of confirmatory factor analysis表6 验证性因子分析结果

4 模型验证

采用AMOS 软件建立激励对人脸识别技术采纳影响的分析模型，模型由EI、PI、SI、人脸识别PU、人脸识别PEOU 和人脸识别AB 6个变量构成，用于检验上述假设。

4.1 模型适配度检验

运用AMOS 软件对模型适配度进行检验，结果见表7。可以看出，该模型除了AGFI 指标满足可接受的标准外，其他参数满足预期理想要求，说明模型具有良好的适用性。

Table 7 Results of model fit test表7 模型适配度检验结果

4.2 假设验证

运用AMOS 软件对人脸识别用户激励、人脸识别用户感知和人脸识别采纳进行路径分析，验证本文提出的假设，结果如表8 所示。可以看出，EI 对人脸识别PEOU 具有显著促进作用，对人脸识别PU 不会产生作用；PI 对人脸识别PEOU 和人脸识别PU 具有促进作用；SI 对人脸识别PEOU 和人脸识别PU 具有显著促进作用；对于人脸识别PEOU 来说，SI的促进作用最佳，EI次之，最后是PI；对于人脸识别PU 来说，SI 的促进作用最佳，PI 次之；人脸识别PEOU 对人脸识别PU 和人脸识别AB 具有显著正向影响；人脸识别PU 对人脸识别AB 具有显著正向影响。

Table 8 Model hypothesis validation results表8 模型假设验证结果

4.3 中介效应分析

本文将人脸识别PU 和人脸识别PEOU 作为中介变量，认为EI、PI 和SI 是通过人脸识别PU 和人脸识别PEOU 对人脸识别AB 产生促进作用，即人脸识别PU 和人脸识别PEOU 具有中介作用。为验证这一观点，对人脸识别PU 和人脸识别PEOU 的中介作用进行检验，结果如表9所示。

Table 9 Test results of the mediating effect of PU and PEOU表9 PU和PEOU中介作用检验结果

使用Bootstrap 抽样检验法进行中介效应检验，抽样次数为5 000 次，结果显示：①从“EI→人脸识别PEOU→人脸识别AB”这条路径来看，人脸识别PEOU 起到中介作用；②从“EI→人脸识别PU→人脸识别AB”这条路径来看，人脸识别PU 没有起到中介作用；③从“EI→人脸识别PEOU→人脸识别PU→人脸识别AB”这条链式路径来看，人脸识别PEOU 和PU 起到中介作用；④从“PI→人脸识别PU→人脸识别AB”这条路径来看，人脸识别PU 起到中介作用；⑤从“PI→人脸识别PEOU→AB”这条路径来看，人脸识别PEOU 起到中介作用；⑥从“PI→人脸识别PEOU→人脸识别PU→AB”这条链式路径来看，人脸识别PEOU 和人脸识别PU 起到中介作用；⑦从“SI→人脸识别PU→AB”这条路径来看，人脸识别PU 起到中介作用；⑧从“SI→人脸识别PEOU→AB”这条路径来看，人脸识别PEOU 起到中介作用；⑨从“SI→人脸识别PEOU→人脸识别PU→AB”这条链式路径来看，人脸识别PEOU 和PU 起到中介作用。

4.4 模型假设修正

本文一共提出9 个假设，通过研究分析，结果显示其中8个假设成立，1个假设不成立，具体见表10。

Table 10 Hypothetical validation results表10 假设验证结果

5 结语

现有人脸识别相关研究主要围绕其概念、影响因素等展开，较少关注外部变量的作用。为此，本文围绕人脸识别技术的采纳行为进行了实证研究，结果发现激励对人脸识别技术采纳有促进作用，且不同激励措施影响程度不同。现有信息技术采纳激励研究多为理论或结果阐述，实证研究较少，本文研究结果为后续人脸识别技术采纳的激励措施提供了指导。

用户使用人脸识别技术的目的不同，有些倾向于实用性，有些倾向于便利性，因此人脸识别技术经营者应针对不同用户感知建立差异化激励机制，相较盲目激励不仅降低了人脸识别技术运营成本，而且提高了激励手段的有效性。

本研究尚存在不足之处，需要在后续工作中改善，例如研究对象差异性有待细化，应根据不同产品对人脸识别技术采取不同的激励手段进行实证检验。此外，人脸识别技术采纳行为可能会受到用户以往经验、情感链接、社会因素等调节变量的影响，后续可考察该类变量对激励措施与用户行为的调节作用。