關(guān)鍵詞：生成式AI；間歇性中輟；C-A-C;認(rèn)知失調(diào)：情感承諾

人工智能（Artificial Intelligence，AI）技術(shù)的快速發(fā)展正在深刻地重塑人們的思維方式與認(rèn)知結(jié)構(gòu)，并持續(xù)推動(dòng)傳統(tǒng)產(chǎn)業(yè)格局的革新轉(zhuǎn)型。2022年，ChatGPT的爆發(fā)性流行讓生成式AI成為了公眾關(guān)注焦點(diǎn)。在此背景下，國(guó)內(nèi)外涌現(xiàn)了眾多各具特色的生成式AI產(chǎn)品，如文心一言、通義千問(wèn)等。這類AI的核心原理在于運(yùn)用算法、模型以及規(guī)則從數(shù)據(jù)中學(xué)習(xí)對(duì)象特征，并基于此創(chuàng)造與原始資料相似卻又新穎的產(chǎn)品或內(nèi)容。不同于以往專注于信息提煉和有限預(yù)測(cè)的“分析型AI”或“決策型AI”，生成式AI具備創(chuàng)新性地生成與訓(xùn)練樣本顯著不同的全新內(nèi)容的能力。生成式AI的應(yīng)用場(chǎng)景日益豐富和多元化，并已在內(nèi)容創(chuàng)作、個(gè)性化推薦、虛擬助手和信息檢索等領(lǐng)域展現(xiàn)出廣泛的應(yīng)用潛力與價(jià)值。

但與此同時(shí)，隨著生成式AI深入日常生活應(yīng)用，用戶對(duì)虛假信息、隱私風(fēng)險(xiǎn)等方面的擔(dān)憂也日漸增長(zhǎng)，并導(dǎo)致其消極行為，如間歇性中輟，即用戶在使用平臺(tái)的過(guò)程中出現(xiàn)周期性或非連續(xù)性的使用減少直至?xí)簳r(shí)棄用的現(xiàn)象。間歇性中輟可能導(dǎo)致用戶流失，影響生成式AI獲取持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)。現(xiàn)有研究主要關(guān)注生成式AI用戶的積極行為，如采納和持續(xù)使用，較少關(guān)注消極行為，如生成式AI用戶間歇性中輟行為?；诖?，本文將從認(rèn)知一情感一意愿（Cognition-Affect-Conation，C-A-C）視角，考察影響生成式AI用戶間歇性中輟的“使能”與“抑制”因素。使能因素包括隱私擔(dān)憂、信息幻覺、認(rèn)知失調(diào)；抑制因素包括智能化、擬人化、個(gè)性化、情感承諾。研究結(jié)果將揭示生成式AI用戶間歇性中輟行為的成因，并為生成式AI提供決策借鑒和參考，從而采取有效措施來(lái)抑制用戶間歇性中輟，實(shí)現(xiàn)用戶保持，獲取競(jìng)爭(zhēng)優(yōu)勢(shì)。

1文獻(xiàn)綜述

1.1生成式AI用戶行為

生成式AI的快速發(fā)展與廣泛應(yīng)用引發(fā)了學(xué)術(shù)界對(duì)用戶行為的關(guān)注。作為新興技術(shù)，生成式AI用戶的采納和使用是確保其成功的首要一步，這也是已有研究的重心。表1列出了關(guān)于生成式AI用戶行為的代表性文獻(xiàn)。從表2可以發(fā)現(xiàn)，已有研究主要關(guān)注用戶對(duì)生成式AI的采納和持續(xù)使用，相應(yīng)的理論基礎(chǔ)包括技術(shù)采納與使用整合模型（UTAUT）、刺激一組織一響應(yīng)（SOR）、任務(wù)技術(shù)匹配（TTF）、人工智能設(shè)備使用采納（AIDUA）模型等，發(fā)現(xiàn)了績(jī)效期望、努力期望、信息質(zhì)量等因素對(duì)用戶行為的作用，但較少關(guān)注用戶的消極行為，如間歇性中輟。因此，有必要研究生成式AI用戶間歇性中輟的成因，從而采取措施抑制其中輟行為，實(shí)現(xiàn)用戶保持。

1.2間歇性中輟

中輟反映了一種采納后行為，是指用戶在先前采用了某種創(chuàng)新并且使用了一段時(shí)間之后，又決定拒絕或中止使用該創(chuàng)新的一種消極使用行為。隨著對(duì)該現(xiàn)象的深入研究，有學(xué)者發(fā)現(xiàn)用戶的決策并非一成不變的，關(guān)注到用戶在中止使用某項(xiàng)技術(shù)后仍會(huì)重新采納的現(xiàn)象。因此，研究人員將“中輟”概念延伸為“間歇性中輟”，即用戶在采納某種創(chuàng)新后，在一段時(shí)間內(nèi)中止使用或降低使用頻率，但后來(lái)又再次使用或恢復(fù)正常使用頻率，并可能反復(fù)循環(huán)這個(gè)過(guò)程。由此可見，間歇性中輟行為并不意味著徹底地放棄使用，而是一種動(dòng)態(tài)的“中止一恢復(fù)”的過(guò)程。

已有文獻(xiàn)考察了社交網(wǎng)絡(luò)、短視頻、智能健康硬件等背景下的間歇性中輟行為，表2列出了一些代表性文獻(xiàn)。這些文獻(xiàn)采用的理論基礎(chǔ)包括社會(huì)比較理論、理性行為理論、SOR、壓力一應(yīng)對(duì)一結(jié)果（SSO）模型等，發(fā)現(xiàn)了負(fù)面情感，如倦怠、疲勞、不滿意等對(duì)間歇性中輟的作用。從表2可以發(fā)現(xiàn)，已有文獻(xiàn)聚焦于社交媒體用戶間歇性中輟行為，較少考察作為新興應(yīng)用的生成式AI用戶的間歇性中輟行為。此外，已有文獻(xiàn)主要關(guān)注負(fù)面情感對(duì)間歇性中輟行為的“使能”影響，較少考察“抑制”間歇性中輟行為的因素?；诖耍疚膶⒕C合考察使能因素和抑制因素對(duì)生成式AI用戶間歇性中輟行為的影響。

2研究模型和假設(shè)

2.1C-A-C

認(rèn)知一情感一意愿（C-A-C）認(rèn)為個(gè)體行為決策包括認(rèn)知、情感和意愿三大構(gòu)成要素。認(rèn)知體現(xiàn)在對(duì)事物本質(zhì)的理解與解析，比如解讀信息的實(shí)際含義：情感則是在認(rèn)知基礎(chǔ)上對(duì)事物所產(chǎn)生的主觀情緒反應(yīng)，如對(duì)信息的好惡感受；意愿則作為橋梁連接認(rèn)知、情感與實(shí)際行動(dòng)，表征行為的潛在動(dòng)機(jī)，如行為意向。C-A-C在信息系統(tǒng)用戶行為研究中得到了廣泛應(yīng)用，包括對(duì)健康類應(yīng)用程序的接受、消費(fèi)者對(duì)VR的購(gòu)買意愿、社交媒體用戶信息規(guī)避、社交媒體用戶倦怠行為等。C-A-C為了解用戶的行為決策過(guò)程提供了一個(gè)有用的視角。因此，本文將從C-A-C視角考察生成式AI用戶間歇性中輟行為，研究結(jié)果將揭示生成式AI用戶間歇性中輟行為的內(nèi)在形成機(jī)理。

基于C-A-C，本文從“使能因素”與“抑制因素”視角考察了生成式AI用戶間歇性中輟行為。使能因素包括隱私擔(dān)憂、信息幻覺、認(rèn)知失調(diào)，抑制因素包括智能化、擬人化、個(gè)性化、情感承諾。其中，認(rèn)知失調(diào)和情感承諾是情感因素，其他因素是認(rèn)知因素。隱私擔(dān)憂反映了用戶對(duì)個(gè)人隱私數(shù)據(jù)可能被不恰當(dāng)?shù)厥褂没蛐孤兜膽n慮，信息幻覺指生成式AI可能提供虛構(gòu)、誤導(dǎo)性信息。智能化、擬人化、個(gè)性化分別反映了用戶對(duì)生成式AI技術(shù)專業(yè)性、類人特征水平以及個(gè)性化需求滿足能力的認(rèn)知評(píng)價(jià)。認(rèn)知失調(diào)反映了用戶對(duì)生成式AI的期望和實(shí)際感受之間的差距，情感承諾反映了用戶與生成式AI的情感聯(lián)系，如依戀、認(rèn)同等。研究模型如圖1所示。

2.2隱私擔(dān)憂

隱私擔(dān)憂是指?jìng)€(gè)人在披露個(gè)人數(shù)據(jù)時(shí)對(duì)其信息保密性的擔(dān)憂。生成式AI通常需要大量數(shù)據(jù)進(jìn)行訓(xùn)練以優(yōu)化其性能和提高準(zhǔn)確性，這些數(shù)據(jù)可能包括用戶的個(gè)人資料、搜索歷史、對(duì)話記錄等隱私信息。大模型內(nèi)部工作原理對(duì)于普通用戶來(lái)說(shuō)相對(duì)復(fù)雜且不透明，用戶不清楚他們的數(shù)據(jù)如何被處理以及是否有可能被泄露。此外，生成式AI模型具有強(qiáng)大的上下文理解和記憶能力，可能在后續(xù)交互中“回憶”起以前的對(duì)話內(nèi)容，這可能導(dǎo)致存儲(chǔ)在模型中的個(gè)人信息在未經(jīng)授權(quán)的情況下被復(fù)現(xiàn)或?yàn)E用。

隱私擔(dān)憂表明用戶在享受AI帶來(lái)的便利性的同時(shí)，可能會(huì)犧牲個(gè)人信息隱私。因此，用戶內(nèi)心產(chǎn)生了一種認(rèn)知沖突：他們既希望利用AI的強(qiáng)大功能，又擔(dān)心這樣做將引發(fā)隱私風(fēng)險(xiǎn)，即“隱私悖論”。這種內(nèi)在的沖突加劇了用戶的認(rèn)知失調(diào)程度，促使他們?cè)诶^續(xù)使用AI與保護(hù)個(gè)人隱私之間權(quán)衡，可能導(dǎo)致一系列的行為調(diào)整，如減少使用頻率、尋求更安全的替代方案或重新評(píng)估對(duì)AI的信任度。陳昊等發(fā)現(xiàn)，社交媒體用戶的隱私關(guān)注會(huì)引發(fā)負(fù)向情感響應(yīng)，進(jìn)而影響其持續(xù)使用意愿，MenonD等認(rèn)為隱私關(guān)注影響用戶對(duì)ChatGPT的使用。因此，本文提出以下假設(shè)：

H1：隱私擔(dān)憂正向影響用戶的認(rèn)知失調(diào)

2.3信息幻覺

信息幻覺是指大模型在未基于真實(shí)數(shù)據(jù)的情況下，通過(guò)對(duì)其訓(xùn)練數(shù)據(jù)的不合理外推或創(chuàng)造性解釋所生成的低質(zhì)量?jī)?nèi)容，包括看似合理實(shí)則無(wú)意義、超現(xiàn)實(shí)甚至幻想性的圖像、文本、聲音或視頻內(nèi)容。如果生成式AI提供了虛假或不真實(shí)信息，用戶可能會(huì)基于錯(cuò)誤的信息形成決策或信念，當(dāng)發(fā)現(xiàn)真相時(shí)，其行為或信念與新的信息之間就可能產(chǎn)生矛盾，導(dǎo)致用戶感到不安、困惑或焦慮，從而產(chǎn)生認(rèn)知失調(diào)。前后相互矛盾或含糊不清的信息會(huì)導(dǎo)致用戶在理解和判斷上出現(xiàn)困擾，尤其是在面臨重要決策日寸，這種情況會(huì)增加認(rèn)知失調(diào)的可能性。若用戶發(fā)現(xiàn)生成式AI存在信息幻覺，其對(duì)所獲取信息的信任感也會(huì)下降，這與其對(duì)AIGC的預(yù)期相悖，進(jìn)一步加重認(rèn)知失調(diào)。張皓翔發(fā)現(xiàn)，在社會(huì)化問(wèn)答社區(qū)中，信息質(zhì)量和信息需求引發(fā)信息與需求不匹配的沖突，導(dǎo)致用戶的認(rèn)知失調(diào)和信息規(guī)避行為。因此，本文提出以下假設(shè)：

H2：信息幻覺正向影響用戶的認(rèn)知失調(diào)

2.4智能化

智能化作為人工智能的核心特征，指AI系統(tǒng)所展現(xiàn)的專業(yè)技能、知識(shí)底蘊(yùn)等。Moussawi S等將智能化定義為用戶感知到的人工智能行為的有效性、自主性和自然語(yǔ)言處理與生成能力。當(dāng)生成式AI能夠理解用戶需求、自主響應(yīng)并高效完成任務(wù)時(shí)，用戶可能認(rèn)為其具備智能特性并產(chǎn)生較高程度的信任。在實(shí)際應(yīng)用中，智能化的生成式AI通過(guò)自動(dòng)處理大量數(shù)據(jù)和復(fù)雜任務(wù)，顯著提升了工作效率，減輕了用戶的負(fù)擔(dān)。這種便捷性和效率的提升往往促使用戶對(duì)其產(chǎn)生依賴，并逐步深化情感連接。研究表明，用戶在與AI互動(dòng)的過(guò)程中，能夠建立起類似與人類交往般的親密感和積極熱情，進(jìn)而促進(jìn)用戶的承諾和長(zhǎng)期使用行為。

隨著機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步，智能化AI還展現(xiàn)出自我學(xué)習(xí)和持續(xù)優(yōu)化的能力，意味著其服務(wù)質(zhì)量和適應(yīng)性會(huì)隨時(shí)間不斷提高，從而讓用戶感到自身需求得到了充分理解和回應(yīng)，進(jìn)一步強(qiáng)化了情感聯(lián)系。Rafiq F等的研究顯示，AI聊天機(jī)器人的智能性影響用戶認(rèn)知態(tài)度和情感態(tài)度，進(jìn)而影響采納意向。Moussawi S等的研究發(fā)現(xiàn)，智能性影響用戶對(duì)個(gè)人智能代理的有用性、易用性感知和初始信任。高度智能化AI將超越用戶預(yù)期，創(chuàng)造出新穎的內(nèi)容和靈感火花，其創(chuàng)新能力帶來(lái)的驚喜體驗(yàn)會(huì)進(jìn)一步激發(fā)用戶的情感投入與長(zhǎng)期承諾。因此，本文提出以下假設(shè)：

H3：智能化正向影響用戶的情感承諾

2.5擬人化

擬人化指的是賦予機(jī)器人等非生物實(shí)體以人類的特征表現(xiàn)，如仿人類的外觀和情感行為模擬。擬人化設(shè)計(jì)在生成式AI中扮演了關(guān)鍵角色，它通過(guò)賦予AI系統(tǒng)更加人性化的特征和交互方式來(lái)滿足用戶的社會(huì)需求，增強(qiáng)了用戶與技術(shù)之間的情感紐帶。當(dāng)AI能夠模擬人類的對(duì)話習(xí)慣、情緒反應(yīng)、個(gè)性特質(zhì)時(shí)，用戶更易產(chǎn)生如同與真人交流的真實(shí)體驗(yàn)感，并由此激發(fā)共情反應(yīng)，進(jìn)而可能對(duì)AI系統(tǒng)形成情感認(rèn)同和信任。已有研究表明，聲控AI設(shè)備的擬人化程度影響用戶對(duì)其產(chǎn)生的情感依戀程度。Zhang A D等發(fā)現(xiàn)，在智能家居情境下，擬人化水平以及社會(huì)角色設(shè)定影響用戶的情感依戀、信息披露傾向及滿意度。此外，擬人化產(chǎn)品由于類人特征帶來(lái)的親切感和熟悉感，使得它們能被用戶自然接納并建立信任關(guān)系，在互動(dòng)過(guò)程中往往能夠引發(fā)積極的情緒反應(yīng)，如愉悅感和滿足感，從而刺激用戶的探索欲望和興趣，進(jìn)一步提升用戶對(duì)AI的忠誠(chéng)度。Moussawi S等也證實(shí)了個(gè)人智能代理的擬人化特性對(duì)提升用戶感知愉悅具有顯著作用。因此，本文提出以下假設(shè)：

H4：擬人化正向影響用戶的情感承諾

2.6個(gè)性化

個(gè)性化指的是基于用戶的獨(dú)特需求與偏好而定制服務(wù)的過(guò)程，對(duì)于滿足用戶在自我表達(dá)、效率提升及所有權(quán)感知等層面的訴求至關(guān)重要。生成式AI通過(guò)學(xué)習(xí)和理解用戶的偏好、行為模式及情感反應(yīng)，能夠提供高度精準(zhǔn)且定制化的體驗(yàn)和服務(wù)。例如，生成式AI平臺(tái)Midjourney可以根據(jù)用戶提供的文本描述創(chuàng)建具有個(gè)人特色的藝術(shù)作品或圖像，此類深度個(gè)性化的互動(dòng)體驗(yàn)會(huì)增加用戶對(duì)平臺(tái)的認(rèn)同感和依賴度，提升情感承諾。Choi N發(fā)現(xiàn)，個(gè)性化對(duì)建立用戶依戀具有顯著作用。此外，Sheng H等也證實(shí)，個(gè)性化設(shè)計(jì)對(duì)用戶形成情感依戀以及功能依戀具有顯著作用。當(dāng)用戶感知到生成式AI的獨(dú)特價(jià)值和個(gè)性化關(guān)懷時(shí)，會(huì)更傾向于將其融入日常生活，并由此建立起深厚的情感紐帶，進(jìn)而發(fā)展為強(qiáng)烈的情感承諾。因此，本文提出以下假設(shè)：

H5：個(gè)性化正向影響用戶的情感承諾

2.7認(rèn)知失調(diào)

認(rèn)知失調(diào)理論認(rèn)為，個(gè)體在意識(shí)到自身態(tài)度內(nèi)在的不一致性或行為與態(tài)度間的矛盾關(guān)系時(shí)，會(huì)本能地體驗(yàn)到心理不適，并傾向于采取措施來(lái)緩解這種沖突狀態(tài)。生成式AI用戶可能一方面認(rèn)可并享受AI帶來(lái)的便利和效率提升，另一方面又擔(dān)憂其個(gè)人數(shù)據(jù)的安全性和隱私權(quán)受到侵犯。此外，生成式AI有時(shí)會(huì)輸出看似合理實(shí)則虛假或誤導(dǎo)性的內(nèi)容，期望與實(shí)際體驗(yàn)之間的差距導(dǎo)致用戶對(duì)其功能性和可靠性產(chǎn)生懷疑，這種內(nèi)在的不一致性導(dǎo)致了認(rèn)知失調(diào)狀態(tài)。面對(duì)認(rèn)知失調(diào)的壓力，用戶可能采取緩解策略，其中之一就是選擇間歇性地中止或減少使用生成式AI。這種間歇性中輟可以理解為用戶試圖通過(guò)暫時(shí)遠(yuǎn)離AI來(lái)減輕由于認(rèn)知沖突所帶來(lái)的壓力，并可能在此期間尋求自我價(jià)值確認(rèn)、重構(gòu)對(duì)AI技術(shù)的認(rèn)知或調(diào)整自己的使用方式。已有研究發(fā)現(xiàn)，認(rèn)知失調(diào)會(huì)導(dǎo)致社會(huì)化商務(wù)用戶產(chǎn)生潛水、抱怨和間斷使用等消極使用行為，誘發(fā)社會(huì)化問(wèn)答社區(qū)用戶信息規(guī)避行為，影響短視頻社交媒體用戶不持續(xù)使用意向。因此，本文提出以下假設(shè)：

H6：認(rèn)知失調(diào)正向影響用戶的間歇性中輟行為

2.8情感承諾

承諾理論在組織行為學(xué)中指的是組織成員持續(xù)忠誠(chéng)于組織的意愿。在生成式AI情境下，情感承諾反映了用戶維持關(guān)系的意愿，包括對(duì)生成式AI的認(rèn)同和依戀。例如，自媒體創(chuàng)作者可能會(huì)運(yùn)用生成式AI來(lái)構(gòu)建文章結(jié)構(gòu)或啟發(fā)創(chuàng)新思維。當(dāng)他們觀察到此類工具能夠?qū)嵸|(zhì)性地提升創(chuàng)作效率，并助力產(chǎn)出更多優(yōu)質(zhì)內(nèi)容時(shí)，他們會(huì)認(rèn)同生成式AI的價(jià)值，并形成情感上的依賴與承諾。情感依戀等積極情緒會(huì)促使用戶在遇到問(wèn)題時(shí)表現(xiàn)出更高的容忍度與耐心，愿意克服困難并持續(xù)使用服務(wù)，從而降低了間歇性中輟的可能性。已有研究表明，情感承諾能有效降低用戶的間歇性中輟行為傾向。因此，本文提出以下假設(shè)：

H7：情感承諾負(fù)向影響用戶的間歇性中輟行為

3研究設(shè)計(jì)

研究模型共包括8個(gè)變量，每個(gè)變量通過(guò)3～4項(xiàng)指標(biāo)進(jìn)行測(cè)量。這些指標(biāo)選取自國(guó)內(nèi)外文獻(xiàn)中驗(yàn)證過(guò)的成熟量表，以增強(qiáng)量表在內(nèi)容層面的有效性。問(wèn)卷設(shè)計(jì)過(guò)程中，運(yùn)用了翻譯與反向翻譯技術(shù)確保其準(zhǔn)確無(wú)誤。研究邀請(qǐng)了15名活躍的生成式AI用戶參與預(yù)測(cè)試，并根據(jù)他們的反饋意見，對(duì)部分指標(biāo)進(jìn)行了調(diào)整優(yōu)化。最終的測(cè)量指標(biāo)及其文獻(xiàn)來(lái)源如表3所示。

調(diào)查問(wèn)卷設(shè)計(jì)與發(fā)放借助在線問(wèn)卷平臺(tái)完成，并通過(guò)社交媒體以二維碼和鏈接的形式分發(fā)給目標(biāo)用戶群體。經(jīng)過(guò)篩選排除了填寫時(shí)間過(guò)短或未曾使用過(guò)生成式AI的無(wú)效問(wèn)卷后，最終收集到有效問(wèn)卷405份。在性別分布上，男性為44.9%，女性為55.1%：78.5%的受訪者年齡位于40歲以下：60%的受訪者擁有本科及以上學(xué)歷背景。使用經(jīng)驗(yàn)方面，76.8%的受訪者使用過(guò)國(guó)內(nèi)諸如文心一言、通義千問(wèn)等產(chǎn)品，75.1%的受訪者使用過(guò)ChatGPT、NewBeing等國(guó)外生成式AI產(chǎn)品。使用頻率方面，11.4%的受訪者每日使用生成式AI，38%的受訪者表示他們的使用頻率為每隔幾天使用1次。

4數(shù)據(jù)分析

4.1結(jié)構(gòu)方程模型（SEM）

4.1.1信效度檢驗(yàn)

采用SPSS 25.0和AMOS 21.0對(duì)測(cè)量模型進(jìn)行分析，以檢驗(yàn)量表的信度與效度。根據(jù)表4的數(shù)據(jù)，各變量的Alpha系數(shù)介于0.778～0.910之間，均超過(guò)了0.70的閾值，顯示了較好的內(nèi)部一致性。同時(shí)，各CR值位于0.776～0.912之間，且所有因子載荷均大于0.70，AVE也都高于0.50的閾值，顯示量表具有良好的收斂效度。此外，如表5所示，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(guān)系數(shù)，顯示較好的區(qū)分效度。

4.1.2假設(shè)檢驗(yàn)

采用AMOS 21.0對(duì)結(jié)構(gòu)模型進(jìn)行分析，計(jì)算模型中各變量間的路徑系數(shù)并進(jìn)行假設(shè)檢驗(yàn)。圖2顯示各假設(shè)均得到支持。表6列出了模型擬合結(jié)果，所有擬合指數(shù)的實(shí)際值均優(yōu)于推薦閾值，表明該模型整體具有良好的擬合優(yōu)度。

4.2模糊集定性比較分析（fsQCA）

傳統(tǒng)的回歸分析認(rèn)為自變量之間是相互獨(dú)立的，所以SEM在探究自變量對(duì)因變量的邊際“凈效應(yīng)”時(shí)雖有其價(jià)值，卻難以解決前因變量間潛在的相互關(guān)聯(lián)性及非對(duì)稱因果關(guān)系難題。而fsQCA方法借鑒整體論與集合論原理，有效應(yīng)對(duì)了此類問(wèn)題。該方法考察了由多個(gè)條件變量構(gòu)成的組態(tài)對(duì)結(jié)果變量的影響，能夠揭示變量之間的復(fù)雜因果關(guān)系。因此，本文采用fsQCA方法，研究導(dǎo)致生成式AI用戶間歇性中輟的組態(tài)。

4.2.1變量的選取與校準(zhǔn)

本文選取7個(gè)前因變量，即隱私擔(dān)憂、信息幻覺、智能化、擬人化、個(gè)性化、認(rèn)知失調(diào)及情感承諾，將生成式AI用戶的間歇性中輟設(shè)定為研究的結(jié)果變量。對(duì)所有變量值進(jìn)行平均處理，隨后遵循Ragin C C提出的完全不隸屬閾值5%、完全隸屬閾值95%以及交叉點(diǎn)標(biāo)準(zhǔn)50%，采用Calibrate函數(shù)對(duì)各個(gè)變量逐一實(shí)施數(shù)據(jù)校準(zhǔn)。完成數(shù)據(jù)校準(zhǔn)后，進(jìn)一步進(jìn)行了必要性條件分析。結(jié)果表明，各個(gè)前因變量單獨(dú)作為結(jié)果變量的必要條件時(shí)，其一致性水平均未達(dá)到0.9。這意味著沒有任何一個(gè)單一的前因變量是引致生成式AI用戶間歇性中輟行為的必要條件。因此，需要進(jìn)一步采用組態(tài)分析來(lái)考察生成式AI用戶間歇性中輟行為。

4.2.2組態(tài)分析

在實(shí)施fsQCA分析時(shí)，首先構(gòu)建了一張包含27（128）種可能條件組合的初始真值表，每行代表一個(gè)特定的條件搭配隋景。結(jié)合樣本的實(shí)際分布特征，本文將案例頻數(shù)的可接受閾值設(shè)定為7，一致性閾值設(shè)定為0.8，PRI閾值設(shè)為0.7。表7展示了組態(tài)分析結(jié)果。其中，●表示核心條件存在，O表示核心條件缺失，表不輔助條件存在。

路徑1為“隱私擔(dān)憂*信息幻覺*智能化*擬人化*個(gè)性化*認(rèn)知失調(diào)*～情感承諾”，其中，隱私擔(dān)憂和信息幻覺作為核心條件存在，智能化、擬人化、個(gè)性化和認(rèn)知失調(diào)作為輔助條件存在，而情感承諾作為核心條件缺失。路徑1揭示，在用戶對(duì)生成式AI具有高度隱私擔(dān)憂且信息幻覺及認(rèn)知失調(diào)處于較高水平時(shí)，也就是使能因素處于較高值的情況下，即使包括智能化、擬人化和個(gè)性化在內(nèi)的抑制因素水平較高，若情感承諾較低，則用戶極可能表現(xiàn)出間歇性中輟的行為，從而突顯出情感承諾在抑制間歇性中輟上的重要作用。

路徑2為“～隱私擔(dān)憂*信息幻覺*智能化*擬人化*個(gè)性化*認(rèn)知失調(diào)*情感承諾”，其中，隱私擔(dān)憂作為核心條件缺失，信息幻覺和認(rèn)知失調(diào)作為核心條件存在，而智能化、擬人化、個(gè)性化和情感承諾作為輔助條件存在。路徑2表明，在隱私擔(dān)憂較輕的用戶群體中，盡管使能因素（信息幻覺和認(rèn)知失調(diào)）和抑制因素（智能化、擬人化、個(gè)性化和情感承諾）皆處于高位，但由于使能因素為核心條件，抑制因素為輔助條件，仍會(huì)誘發(fā)間歇性中輟。這類用戶高度關(guān)注生成式AI的內(nèi)容真實(shí)可靠性，由此而導(dǎo)致的認(rèn)知失調(diào)將引發(fā)他們的間歇性中輟行為。

5結(jié)果討論

5.1主要研究發(fā)現(xiàn)

1）使能因素方面，隱私擔(dān)憂和信息幻覺顯著影響生成式AI用戶認(rèn)知失調(diào)。fsQCA也顯示隱私擔(dān)憂和信息幻覺是組態(tài)路徑1的核心條件。一方面，隱私擔(dān)憂反映出個(gè)體對(duì)其個(gè)人信息可能被生成式AI不當(dāng)收集、使用或泄露的深切憂慮。當(dāng)用戶對(duì)生成式AI技術(shù)的隱私保護(hù)機(jī)制持懷疑態(tài)度時(shí)，這種疑慮會(huì)加劇他們對(duì)自身隱私權(quán)益可能受損的擔(dān)憂，從而誘發(fā)一定程度的認(rèn)知失調(diào)。另一方面，信息幻覺反映了用戶對(duì)AI生成內(nèi)容的虛假性的感知，深度偽造的信息可能使用戶無(wú)法準(zhǔn)確判斷接收到的信息真?zhèn)?，造成認(rèn)知失調(diào)狀態(tài)。當(dāng)用戶因AI生成內(nèi)容而產(chǎn)生錯(cuò)誤信念或者做出不符合實(shí)際的決策時(shí)，他們的認(rèn)知系統(tǒng)便會(huì)在理想預(yù)期與實(shí)際體驗(yàn)之間產(chǎn)生不協(xié)調(diào)，這將進(jìn)一步加深用戶的認(rèn)知失調(diào)感受。

2）抑制因素方面，智能化、擬人化、個(gè)性化顯著影響用戶情感承諾。其中，個(gè)性化的作用最大，顯示用戶高度重視生成式AI的個(gè)性化內(nèi)容和服務(wù)，從而建立雙方的關(guān)系連接，這與已有文獻(xiàn)結(jié)果相一致。fsQCA分析顯示智能化、擬人化、個(gè)性化是兩條路徑的共同輔助條件。首先，智能化表現(xiàn)為系統(tǒng)的自主學(xué)習(xí)能力、決策優(yōu)化以及問(wèn)題解決的高效性，這種能力增強(qiáng)了用戶對(duì)其的信任感和依賴度，進(jìn)而促使用戶形成強(qiáng)烈的情感連接。其次，擬人化設(shè)計(jì)通過(guò)賦予生成式AI類似人類的特征和交互風(fēng)格，如自然語(yǔ)言處理、情緒感知及響應(yīng)機(jī)制等，使用戶能夠建立更深層次的人機(jī)連接。這種類人互動(dòng)方式有助于增進(jìn)用戶的親近感與認(rèn)同感，從而提高他們對(duì)系統(tǒng)的情感投入和承諾水平。最后，個(gè)性化反映了生成式AI能夠依據(jù)用戶的行為習(xí)慣、興趣偏好和需求進(jìn)行動(dòng)態(tài)適應(yīng)與個(gè)性化服務(wù)提供。當(dāng)用戶感受到系統(tǒng)對(duì)其需求的理解和尊重時(shí)，會(huì)更容易產(chǎn)生共情，形成情感依戀和承諾。

3）認(rèn)知失調(diào)、情感承諾分別對(duì)用戶間歇性中輟行為產(chǎn)生了顯著的正向、負(fù)向影響，且認(rèn)知失調(diào)的作用強(qiáng)于情感承諾，顯示相對(duì)于抑制因素，使能因素對(duì)間歇性中輟的作用更大。fsQCA的路徑2也顯示認(rèn)知失調(diào)是核心條件，情感承諾是輔助條件，這與SEM結(jié)果相一致。一方面，內(nèi)在的不和諧狀態(tài)促使用戶在面對(duì)不確定性或不滿意的服務(wù)體驗(yàn)時(shí)更傾向于選擇暫時(shí)停止或減少使用該技術(shù)。當(dāng)用戶對(duì)生成式AI的心理預(yù)期與其實(shí)際使用體驗(yàn)存在較大差距時(shí)，可能引發(fā)認(rèn)知失調(diào)，用戶間歇性中輟的可能性隨之增加。另一方面，當(dāng)用戶對(duì)生成式AI形成較強(qiáng)的情感連接，如依賴感和認(rèn)同感，他們更可能持續(xù)使用并克服暫時(shí)的問(wèn)題或困擾。然而，情感承諾形成的過(guò)程通常較為緩慢且所需時(shí)間較長(zhǎng)，認(rèn)知失調(diào)卻可能導(dǎo)致用戶迅速產(chǎn)生負(fù)面情緒和短期的適應(yīng)性行為，使認(rèn)知失調(diào)對(duì)用戶間歇性中輟的作用更為明顯。

5.2理論貢獻(xiàn)

本文的理論貢獻(xiàn)包括：①已有研究主要關(guān)注生成式AI用戶的積極行為（如采納、持續(xù)使用等），較少考察用戶的消極行為（如間歇性中輟）。因此，本文的研究結(jié)果豐富了關(guān)于生成式AI用戶行為的研究。②基于C-A-C，本文發(fā)現(xiàn)認(rèn)知因素包括隱私擔(dān)憂、信息幻覺、智能化、擬人化、個(gè)性化，影響用戶的情感包括認(rèn)知失調(diào)、情感承諾，進(jìn)而影響間歇性中輟行為。研究結(jié)果揭示了生成式AI用戶間歇性中輟行為的形成機(jī)理。③本文從“使能”與“抑制”兩個(gè)視角考察了生成式AI用戶間歇性中輟行為。相對(duì)單一視角，本文結(jié)果為理解生成式AI用戶間歇性中輟提供更為完整的視角。④已有研究聚焦于負(fù)面情緒（如疲勞、焦慮和不滿意等）對(duì)間歇性中輟的影響，本文發(fā)現(xiàn)情感承諾是抑制生成式AI用戶間歇性中輟的重要因素，這一結(jié)果也充實(shí)了關(guān)于用戶間歇性中輟的研究成果。

5.3實(shí)踐啟示

本文的研究結(jié)果具有以下實(shí)踐啟示：①緩解用戶隱私擔(dān)憂。生成式AI平臺(tái)應(yīng)重視數(shù)據(jù)安全和隱私保護(hù)措施，通過(guò)設(shè)計(jì)更嚴(yán)格的數(shù)據(jù)加密機(jī)制、清晰的隱私政策說(shuō)明以及可定制化的權(quán)限設(shè)置，減輕用戶在使用過(guò)程中的隱私顧慮。②減少信息幻覺。平臺(tái)需要完善AI模型架構(gòu)，優(yōu)化訓(xùn)練算法，加強(qiáng)過(guò)程監(jiān)督與反饋，提高信息的真實(shí)可靠性，減少AI幻覺問(wèn)題，以免引發(fā)用戶認(rèn)知失調(diào)。③降低用戶的心理失調(diào)。平臺(tái)需提高模型的透明度和可解釋性，幫助用戶理解生成式AI的能力邊界及其工作原理，培養(yǎng)他們批判性地接收和評(píng)估AI生成信息的能力，從而避免因誤解或過(guò)度依賴AI輸出而造成的心理壓力。④增進(jìn)用戶的情感承諾。平臺(tái)應(yīng)提供個(gè)性化的用戶體驗(yàn)，例如通過(guò)深度學(xué)習(xí)和用戶畫像技術(shù)提供更為貼近用戶需求的服務(wù)，進(jìn)而加深用戶與平臺(tái)之間的情感連接。

6結(jié)語(yǔ)

基于C-A-C．本文考察了生成式AI用戶間歇性中輟行為，采用SEM與fsQCA方法。研究發(fā)現(xiàn)用戶間歇性中輟行為受到使能因素與抑制因素的雙重影響。研究結(jié)果提升了對(duì)生成式AI用戶間歇性中輟行為的理解，有助于生成式AI平臺(tái)采取措施來(lái)抑制用戶間歇性中輟行為，從而實(shí)現(xiàn)用戶保持。

本文的局限包括：①生成式AI處于快速發(fā)展之中，其功能和應(yīng)用場(chǎng)景不斷豐富，并且從通用大模型發(fā)展到專業(yè)大模型。未來(lái)的研究可考察專業(yè)型AI用戶中輟行為。②中輟行為是動(dòng)態(tài)發(fā)展的過(guò)程，本文主要采用截面數(shù)據(jù)，未來(lái)的研究可采集縱向數(shù)據(jù)，跟蹤用戶中輟行為的發(fā)展。③本文主要考察了認(rèn)知失調(diào)和情感承諾對(duì)間歇性中輟的影響，未來(lái)的研究可以考察其他變量如信任、用戶體驗(yàn)等因素的作用。