張 赟 操雅琴 劉 雨

（安徽工程大學經(jīng)濟與管理學院，安徽 蕪湖 241000）

服務機器人是指為人類或設備（不包括工業(yè)自動化應用程序）執(zhí)行有用任務的機器人［1］。2019年，全球家用服務機器人的銷售額為33億美元，預計到2022年，銷售額將達到97億美元［2-3］。隨著服務機器人產(chǎn)品的日益豐富，人與服務機器人在交互過程中出現(xiàn)的問題也越來越多。服務機器人是否真的能夠提供和人類相同甚至更好的服務，機器人的擬人化到底會帶來什么樣的影響，這些問題已經(jīng)引起人們的廣泛關(guān)注。

一、有關(guān)研究略述

服務機器人擬人化是將人類特征、動機、意向或心理狀態(tài)等賦予服務機器人［4］。擬人化是一把“雙刃劍”：既有可能增加人們對技術(shù)的信任，也有可能引起人們的反感和恐懼［5］。大量研究表明擬人化會影響用戶對機器人的感知和態(tài)度，但具體的影響機制目前尚未給出明確答案。

根據(jù)S-O-R（Stimulus-Organism-Response，刺激-機體-反應）理論，外部刺激會對用戶的生理和心理產(chǎn)生影響，繼而影響用戶的接受意向［6］。在已有的關(guān)于服務機器人用戶行為的研究中，很多學者基于技術(shù)接受模型（Technology Acceptance Model，TAM）、整合型技術(shù)接受與使用模式（Unified Theory of Acceptance and Use of Technology，UTAUT）以及計劃行為理論（Theory of Planned Behavior，TPB）構(gòu)建了多種機器人用戶接受度模型，其中被引用較多的有Almere模型、SIRM模型（Socially Interactive Robotics Acceptance Model）、SRAM 模型（Service Robot Acceptance Model）、DSRAM 模型（Domestic Service Robot Acceptance Model）和AIDUA模型（Artificially Intelligent Device Use Acceptance Model）等。

UTAUT模型由Venkatesh等人［7］提出，是以數(shù)據(jù)驅(qū)動的用戶接受度模型的代表。該模型將所有對接受度有影響的因素都加入其中，通過統(tǒng)計分析后保留具有顯著影響性的因素，是其與傳統(tǒng)的TAM模型之間最明顯的區(qū)別。但UTAUT模型與TAM模型之間又存在一定的傳承性，主要體現(xiàn)在影響因素的選擇上。在UTAUT模型中，績效期望（Performance Expectancy）來源于TAM模型中的感知有用性概念，Venkatesh將其定義為個人認為使用該系統(tǒng)對工作有所幫助的程度；努力期望（Performance Expectancy）來源于TAM模型中的感知易用性概念，被定義為與系統(tǒng)使用相關(guān)的輕松程度。Almere模型最初由Heerink等人［8］提出，研究了感知有用、感知愉悅等變量與老年用戶對輔助性服務機器人的接受程度之間的關(guān)系。SIRM模型主要關(guān)注的是社交互動機器人用戶的接受行為，相關(guān)研究結(jié)果表明，社會臨場感、態(tài)度、感知愉悅和感知有用性都會顯著影響使用意向［9］。SRAM模型指出，用戶對一線服務機器人的接受度受3類期望的影響：對機器人提供服務的期望、對人類服務人員的期望以及對自助服務技術(shù)的期望［10］。DSRAM模型引入了情感評估（享樂態(tài)度）和行為規(guī)范（社會規(guī)范和個人規(guī)范）概念，從理性和心理視角對人類的真實行為進行分析［11］。AIDUA模型認為用戶對擬人智能設備的接受分為3個評估階段：第一階段，用戶基于社會影響、享樂動機和智能設備擬人化程度評估擬人智能設備與自身的相關(guān)性和一致性；第二階段，用戶根據(jù)績效期望和努力期望評估使用該設備的成本和收益，然后形成情感；第三階段，基于用戶情感決定是否使用擬人智能設備［12］。

這些理論和模型的提出，極大地推動了針對服務機器人接受度的研究，但這些模型大多數(shù)都存在局限性。一是目前的研究針對的大多是老年人或者行為能力受損的人群，模型的普適性有待擴寬；二是已有的模型主要側(cè)重于研究用戶的心理變量與用戶行為之間的關(guān)系，缺少對影響心理感知的機器人設計因素的關(guān)注；三是現(xiàn)有研究較少關(guān)注擬人化對服務機器人的影響。

我們基于S-O-R理論和UTAUT模型，提出服務接受度模型。根據(jù)S-O-R理論，服務機器人的擬人化因素對用戶的心理感知和情感體驗有影響。根據(jù)UTAUT模型，努力期望、績效期望和情感體驗這3個心理變量對用戶的行為意圖有顯著影響。其中，努力期望是指用戶預期的使用服務機器人的容易程度；績效期望是指個人認為使用服務機器人將有助于他獲得工作績效收益的程度；情感體驗包括用戶與服務機器人交互后產(chǎn)生的愉悅和滿意等情感。我們將上述3個變量作為心理變量，研究刺激變量（擬人化）、心理變量（努力期望、績效期望、情感體驗）和接受意向之間的關(guān)系［12-13］，并結(jié)合調(diào)研數(shù)據(jù)對模型進行檢驗，從而解析服務機器人擬人化對用戶接受意向的影響機制。

二、理論基礎和研究假設

(一)擬人化對心理變量的影響

機器人的擬人化特征可以作為傳遞機器人信息的載體。根據(jù)孫永強提出的“信息行為的五維研究框架”，用戶行為受信息、技術(shù)等相關(guān)因素的影響［14］。由于需要掌握操控方法，因此用戶在與擬人化機器人的交互過程中，往往比與人類互動花費更多的精力和時間。Gursoy等人認為面對擬人化服務機器人，用戶不僅要具備與真人互動相通的社交能力，還要具備操縱機器的能力［12］。因此，機器人的擬人化因素會降低用戶感知到的輕松程度，也就是會降低努力期望。Werner等人研究開發(fā)的老年人沐浴輔助機器人，需要一系列復雜的手勢識別任務指令［15］，對于行動不便的老年人來說是一項具有挑戰(zhàn)性的任務。同時，由于服務機器人的擬人化因素常常帶來智能、高效和準確的印象，用戶對擬人化服務機器人具有較高的績效期望。Waytz等人認為，在自主駕駛?cè)蝿罩校摂M車載機器人通常被用戶評價為具備精準的障礙識別能力和線性的加速能力［16］。用戶在與Muthugala等人設計的清潔機器人共同完成家庭清潔任務后，認為這款機器人比常規(guī)的清潔機器效率更高，對前進路線中障礙物的提醒更人性化［17］。Deutsch等人開發(fā)的老年家用機器人不但能夠輔助老人完成吃飯穿衣等日常活動，而且可以與老人聊天甚至共同完成舞蹈，被認為比人類更具有耐心和親和力［18］。此外，服務機器人的擬人化因素能夠激活存儲在用戶記憶中的人類特征，并引導用戶將產(chǎn)品特性與人類特征聯(lián)系起來，在學習或購物的環(huán)境中激發(fā)出人們積極的情感和態(tài)度［19］。Borm等人認為，在多媒體學習模式中，擬人化的機器人教師更能激發(fā)學生的學習動機和愉悅感，提高對新知識的接納效率［20］。謝志鵬認為，擬人化的導購機器人可以有效地減少消費者對廣告推銷的抗拒心理，其圓潤可愛的身形和柔軟親切的語言大大提高了用戶的信任感，從而更容易讓消費者做出購買決策［21］。因此，我們提出以下3個假設。

H1：擬人化對努力期望有負向影響；

H2：擬人化對績效期望有正向影響；

H3：擬人化對情感體驗有正向影響。

(二)績效期望與情感體驗和接受意向之間的關(guān)系

研究表明，用戶對產(chǎn)品的績效期望會影響用戶的情感和接受意向。Fernandes等人認為，由于功能豐富的智能語音助手（Digital Voice Assistants，DVA）深得用戶喜愛，因此旅游助手機器人的研發(fā)重點應放在DVA上［22］，例如通過用戶提供的口味和歷史評價為其預定合適的餐廳；根據(jù)用戶的需求提供酒店定制方案和入住提醒等。Yang等人通過分析所收集的在線評論網(wǎng)站的歷史數(shù)據(jù)發(fā)現(xiàn)，當虛擬導游具備合理的路線規(guī)劃能力以及詳細的沿途風景介紹能力時，用戶的評價多使用“愜意”“輕松”“美好”等詞；同時，這類虛擬導游具有較高的接受度和被推薦的機會［23］。因此，我們提出以下兩個假設。

H4：績效期望對情感體驗有正向影響；

H6：績效期望對接受意向有正向影響。

(三)努力期望與情感體驗和接受意向之間的關(guān)系

努力期望同樣也對情感和行為有所影響［24］。Stafford等人通過在養(yǎng)老院開展的對醫(yī)療護理機器人在老年人群體中的接受度的調(diào)研發(fā)現(xiàn)，由于年齡的增加以及對復雜系統(tǒng)操作經(jīng)驗的不足，老年人更偏向于使用操作簡單、交流便捷的機器人；并且這一現(xiàn)象在老年女性用戶中更為明顯［25］。Reich通過對教學輔助機器人在中小學中的接受度的研究發(fā)現(xiàn)，更簡潔的使用界面和更易理解的手勢指令，能夠顯著提高學生和老師的主觀情感體驗和接受度［26］。因此，我們提出以下兩個假設。

H5：努力期望對情感體驗有正向影響；

H7：努力期望對接受意向有正向影響。

(四)情感體驗與接受意向之間的關(guān)系

認知評價理論表明，在機器人提供服務的過程中，用戶的情緒越積極，其接受度越高。Waston等人認為，興奮、好奇、鼓舞等積極的情緒會促使用戶嘗試接受新款的服務機器人［27］。Rucker等人認為，因陌生、復雜的操縱方式而產(chǎn)生的挫折感和機器擬人化帶來的社交壓力，會導致用戶做出拒絕接受使用該機器人的行為［28］。因此，我們提出以下假設。

H8：情感體驗對接受意向有正向影響。

(五)努力期望和績效期望的中介效應

早稻田大學的WE系列表情機器人，能夠協(xié)調(diào)面部動作來表達情感；哈爾濱工業(yè)大學的百智星機器人集成了智能、仿生、語音合成等功能。這些具備大量擬人化設計因素的服務機器人，對用戶的努力期望有一定要求，例如認知水平和理解能力等。較高的努力期望意味著使用該機器人的難度更低，用戶有更好的情感體驗和更高的接受度，即擬人化因素有可能通過努力期望的中介效應對用戶的情感體驗產(chǎn)生影響。同樣，擬人化因素也能夠提高用戶的績效期望，績效期望越高，用戶的情感體驗更好、接受度更高，即擬人化因素有可能通過績效期望的中介效應對用戶的情感體驗產(chǎn)生影響。因此，我們提出以下兩個假設。

H9：努力期望在擬人化和情感體驗之間起中介效應；

H10：績效期望在擬人化和情感體驗之間起中介效應。

(六)情感體驗的中介效應

依據(jù)S-O-R理論，外界刺激通過改變機體狀態(tài)來影響用戶行為，因此努力期望和績效期望對用戶接受意向的影響也可能需要情感體驗作為中介變量。Predatu等人的心理實驗要求兩組被試各花費2 h觀摩影片并做出評價［29］。其中，表現(xiàn)為積極情緒的被試對影片內(nèi)容表示接受；表現(xiàn)為消極情緒的被試則不認同影片內(nèi)容。Park等人研究發(fā)現(xiàn)，駕駛員的情緒能夠顯著影響他對智能車載導航系統(tǒng)的接受度，具有好奇和興奮等積極情緒的駕駛員認為導航系統(tǒng)的操作簡單高效，界面設置容易理解，接受度較高；具有恐懼和緊張等消極情緒的駕駛員認為導航系統(tǒng)操作復雜，界面切換不流暢，接受度較低［30］。因此，我們提出以下兩個假設。

H11：情感體驗在努力期望和接受意向之間起中介效應；

H12：情感體驗在績效期望和接受意向之間起中介效應。

最終，我們根據(jù)以上假設，構(gòu)建了服務機器人擬人化與用戶接受意向關(guān)系模型（見圖1）。

圖1 服務機器人擬人化與用戶接受意向關(guān)系模型

三、研究方法

(一)問卷設計

我們主要通過在線問卷調(diào)查的形式獲得研究數(shù)據(jù)，目的在于從定量分析的角度對研究模型進行檢驗。問卷的人口統(tǒng)計變量包括性別（Gender，G）、年齡（Age，AG）、學歷（Education，EDU）、職業(yè)（Occupation，OCC）、婚姻情況（Marriage，MA）、家中是否有兒童或老人（Condition，C）、是否了解過服務機器人（Knowledge，K）、是否擁有過服務機器人（Ownership，O）和期望的服務機器人類型（Style，S）。問卷中，刺激變量為擬人化（Anthropomorphism，A），用戶的心理感知變量為情感體驗（Emotion，EM）、績效期望（Performance Expectation，PE）和努力期望（Effort Expectation，EE），用戶的行為變量為接受意向（Intention to Accept，ITA）。其中，擬人化和情感體驗借鑒LU等人開發(fā)的服務機器人交互意愿量表［19］，采用Likert5點量表法，各有5個題項?？冃谕?、努力期望和接受意向參照Venkatesh等人開發(fā)的UTAUT量表［7］，也采用Likert5點量表法，具體為績效期望4個題項、努力期望3個題項和接受意向3個題項?？刂谱兞堪挲g、家中是否有兒童或老人、是否了解過服務機器人以及是否擁有過服務機器人等。

(二)樣本選取和數(shù)據(jù)收集

問卷調(diào)查時間為2020年5月10日至25日。調(diào)查共分為兩個階段：問卷前測和正式測量。前測的目的是確保問卷的信度和效度，問卷中承諾匿名填寫且數(shù)據(jù)僅用于研究，該階段共回收問卷106份，其中有效問卷106份，問卷有效率100%表明信度與效度良好［31］。正式測量階段共回收問卷560份，剔除回答不完整、填寫時間過短、答案一致等情況的問卷共計59份，得到有效問卷501份，問卷有效率89.46%。相關(guān)問卷統(tǒng)計結(jié)果詳見表1。

表1 問卷統(tǒng)計結(jié)果

(三)控制和同源方法偏差檢驗

在問卷調(diào)查過程中，我們根據(jù)Podsakoff等人的建議方法［33］，首先保證受訪者全部匿名；其次對每一份問卷填寫的IP地址進行記錄，確保受訪者來源于全國各地。使用Likert5點量表法對研究變量進行測量，使用單選、多選和填空相結(jié)合的方式記錄統(tǒng)計變量。在統(tǒng)計檢驗方面，采用Harma單因素方差檢驗法［34］。結(jié)果顯示，主成分分析后得到的第一個因子方差解釋率最大，占比32.14%，低于40.00%，表明研究變量不存在明顯的同源方法偏差。

(四)測量項的信度與效度

利用SPSS 22.0對量表的信度和效度進行檢驗［34］。結(jié)果顯示，擬人化、績效期望、努力期望、情感體驗和接受意向的 Cronbach's α 分別為 0.867、0.852、0.846、0.672、0.713，問卷總體的 Cronbach's α 為0.849。對模型中包含的5個研究變量進行因子分析，利用最大方差法旋轉(zhuǎn)后得到KOM值為0.792，Bartlett球形度檢驗在0.001水平下顯著，表明問卷的結(jié)構(gòu)效度較好。因子分析結(jié)果見表2，旋轉(zhuǎn)后共得到5個主要成分，題項的聚合情況與模型設置的研究變量對應。

表2 因子分析結(jié)果

四、研究結(jié)果

(一)描述性統(tǒng)計和相關(guān)性分析

變量的均值、標準差和相關(guān)系數(shù)詳見表3。根據(jù)表3可知，除了績效期望與努力期望之間不存在顯著的相關(guān)關(guān)系外，其余變量之間均顯著相關(guān)，為后續(xù)回歸分析提供了依據(jù)。

表3 變量均值、標準差和相關(guān)系數(shù)

(二)假設檢驗

利用SPSS 22.0軟件對模型中的假設進行檢驗。在此之前，為了避免多個自變量之間因關(guān)聯(lián)性過強而導致多重共線性，我們首先進行共線性檢驗。將容忍度和方差膨脹因子（Variance Inflation Factor，VIF）作為檢驗指標，結(jié)果表明，容忍度均小于1，VIF均小于2，說明自變量之間不存在明顯的共線性［35］。隨后根據(jù)假設H1—H8設置模型1—8，并對模型中的變量進行多元回歸分析，結(jié)果見表4。根據(jù)表4可知，擬人化因素對努力期望起正向影響，拒絕假設H1，接受H2—H8。

表4 回歸分析結(jié)果

(三)中介效應分析

根據(jù)Baron和Kenny提出的中介效應檢驗方法［36］，中介效應的存在需要滿足4個條件：（1）自變量與中介變量關(guān)系顯著；（2）自變量與因變量關(guān)系顯著；（3）中介變量與因變量關(guān)系顯著；（4）當中介變量進入自變量和因變量之中時會顯著影響兩者關(guān)系，當關(guān)系消失時則起到完全中介效應，當關(guān)系減弱時起到部分中介效應。通過對努力期望、績效期望和情感體驗可能存在的中介效應進行分析，根據(jù)假設H9—H12設置模型9—12，并逐步進行多元線性回歸分析，結(jié)果見表5。

表5 中介效應回歸分析結(jié)果

由模型1可知，擬人化對努力期望有顯著正向影響，符合條件1。由模型9可知，擬人化對情感體驗有顯著正向影響，符合條件2；努力期望對情感體驗沒有顯著影響，不符合條件3，因此努力期望不存在中介效應，H9被拒絕。由模型2可知，擬人化對績效期望有顯著正向影響，符合條件1。由模型10可知，擬人化對情感體驗有顯著正向影響，符合條件2；績效期望對情感體驗有顯著正向影響，符合條件3，且加入績效期望后擬人化對情感體驗的影響減少，說明績效期望在擬人化對情感體驗的影響中起到部分中介效應，H10得到初步驗證。由模型4和模型5可知，績效期望和努力期望對情感體驗都有顯著正向影響，符合條件1。由模型11和模型12可知，情感體驗對接受意向有顯著正向影響，符合條件3。由模型11可知，努力期望對接受意向的影響不顯著。由模型12可知，績效期望對接受意向的影響減弱。因此，情感體驗可能在努力期望與接受意向之間起完全中介效應，在績效期望與接受意向之間起部分中介效應，這需要進一步檢驗。

為進一步說明績效期望的中介效應，還需要對中介效應的顯著性進行檢驗。我們采取檢驗力更強并能給出偏差矯正后更加精確置信區(qū)間的Bootstrap法［37］，從原始數(shù)據(jù)的501個樣本中抽取1 000個Bootstrap樣本，通過安裝在SPSS 22.0中的PROCESS插件，對績效期望進行Bootstrap檢驗。檢驗結(jié)果表明，非標準化間接效果在95%水平下的置信區(qū)間為［0.001，0.038］，非標準化直接效果在95%水平下的置信區(qū)間為［0.327，0.467］，兩者均不包括0，表明績效期望對擬人化和情感體驗起到部分中介效應，H10再次得到驗證；情感體驗的非標準化間接效果在努力期望和接受意向中的95%水平下的置信區(qū)間為［0.047，0.134］，非標準化直接效果在95%水平下的置信區(qū)間為［0.000，0.068］，表明情感體驗對努力期望和接受意向存在完全中介效應，H11得到驗證；情感體驗的非標準化間接效果在績效期望和接受意向中的95%水平下的置信區(qū)間為［0.025，0.120］，非標準化直接效果的置信區(qū)間為［0.014，0.129］，表明情感體驗對績效期望和接受意向起部分中介效應，H12得到驗證。

五、討論

我們基于S-O-R理論和UTAUT模型，提出了服務機器人擬人化與用戶接受意向關(guān)系模型；以中國消費者為對象進行問卷調(diào)查，然后基于調(diào)查數(shù)據(jù)對模型進行了驗證。研究結(jié)果表明：（1）擬人化對努力期望有顯著正向影響；（2）擬人化對績效期望有顯著正向影響；（3）擬人化對情感體驗有顯著正向影響；（4）績效期望對情感體驗有顯著正向影響；（5）努力期望對情感體驗有顯著正向影響；（6）績效期望對接受意向有顯著正向影響；（7）努力期望對接受意向有顯著正向影響；（8）情感體驗對接受意向有顯著正向影響；（9）努力期望在擬人化和情感體驗之間不起中介效應；（10）績效期望在擬人化和情感體驗之間起部分中介效應；（11）情感體驗在努力期望和接受意愿之間起到完全中介效應；（12）情感體驗在績效期望和接受意向之間起到部分中介效應。

(一)理論價值

本研究的理論價值主要體現(xiàn)在以下3個方面。其一，我們擴展了S-O-R理論，將其應用于人機交互研究，將服務機器人擬人化視覺特征作為外界的刺激變量，分析了它對用戶心理感知、情感體驗以及接受意向的影響。其二，我們從服務機器人擬人化角度提出接受度模型，驗證了擬人化對用戶情感體驗和接受度的正向影響。其三，我們解析了服務機器人擬人化對用戶接受意向的影響機制，即擬人化通過影響用戶對服務機器人的績效期望和努力期望，繼而影響用戶的情感體驗，最終影響用戶的接受意向。

(二)管理啟示

首先，研究用戶與服務機器人交互過程中發(fā)生的認知過程和心理變化，有助于開發(fā)適合用戶需求的服務機器人。其次，擬人化與情感體驗、情感體驗與接受意向之間的正相關(guān)關(guān)系表明，適當提高服務機器人的擬人化程度，有助于提高用戶的接受度［38］。最后，擬人化與努力期望之間、擬人化與績效期望之間的正相關(guān)關(guān)系表明，應匹配服務機器人擬人化程度與功能和操作的復雜度，擬人化程度越高的服務機器人，操作方法應越簡單，避免用戶產(chǎn)生畏難的抗拒心理；同時，功能應當盡可能完備，避免用戶因為與心理預期落差過大而出現(xiàn)拒絕使用的行為。

(三)研究局限和展望

本次研究的不足主要體現(xiàn)在以下3個方面。第一，樣本的年齡主要集中在45周歲以下，未來需要對45周歲以上的人群做進一步調(diào)研。第二，人的認知和心理活動容易受到社會環(huán)境的影響，機器人的設計方式也應符合當前主流的社會意識，在未來的研究中可以加入如社會壓力、價值觀、社會臨場感等因素進一步完善模型。第三，我們還未針對某一具體的擬人化特征進行研究，例如服務機器人的擬人化視覺特征等，后續(xù)可以進一步探討不同程度的服務機器人擬人化視覺特征對用戶接受度的影響。