原文刊载于《全球传媒学刊》2024年第2期“智能传播”专栏。
作
者
卢嘉辉：天津大学新媒体与传播学院英才副教授。
李炳楠：天津大学新媒体与传播学院硕士研究生。
蒲培洋：天津大学新媒体与传播学院硕士研究生。
概
要
【摘 要】ChatGPT逐渐发展成为日常工作的智能助手（AI assistant）。但“智能助手”一词以“助手”这一界面隐喻限定了人工智能辅助技术与人交互的形式和规范。目前“智能助手”的功能界面常常以对话形式出现，其本质是一种社交场景。本研究认为，“智能助手”的界面发展方向将可能导致一种基于人格社交特征的技术接纳和使用鸿沟。本研究基于准社会交往视角、认知负荷理论和依恋理论，针对453名在校大学生的ChatGPT使用情况开展了问卷调查。研究发现，尽管ChatGPT所带来的准社会交往体验能够直接地正向预测人们持续使用ChatGPT的意愿，但准社会交往也会在不同依恋回避水平的用户中通过认知负荷间接预测使用意愿。对于依恋回避水平高的个体而言，准社会交往会正向预测他们的认知负荷，进而降低其持续使用意愿。相反，对于依恋回避水平低的个体，准社会交往会负向预测他们使用ChatGPT时的认知负荷，间接地促进了持续使用意愿。基于上述发现，本研究提出应该重视人工智能辅助技术的交互界面设计对不同人格特征人群的技术接纳的影响，且应开发多种交互界面以适应不同社交特征人群的使用偏好。同时，应谨慎对待如“智能助手”“人机协作”等学术词汇所隐含的交互界面设计倾向，警惕相关词汇的使用成为一种技术和文化霸权的手段。
【关键词】ChatGPT；界面；准社会交往；认知负荷；依恋回避
一、引言
“AI有能力改变世界。”（澎湃，2023）微软联合创始人比尔·盖茨曾对人工智能的发展予以高度评价，认为其重要性不亚于让人类进入数字时代的个人电脑、手机以及互联网。2022年11月，作为人工智能技术发展历程中具有划时代意义的存在，ChatGPT一经登场就在世界范围内引起巨大轰动，从此正式确立了智能传播的主流化地位（方兴东，2023）。
ChatGPT是由OpenAI开发的生成式人工智能模型，因其在多语言翻译、代码调试、文本写作等各种语言理解和生成任务中展现了强大的功能而备受欢迎（Wu et al.，2023a）。自ChatGPT发布后，短短五天之内注册的用户数量就超过了100万，并在不到两个月的时间里实现了超1亿人次的月活跃用户量。ChatGPT如此受欢迎的背后，不仅是其具备包括大规模语言模型、上下文学习以及来自人类反馈的强化学习在内的关键技术支持（Wu et al.，2023b），还因为其拥有基于自然语言处理与机器学习算法的对话式交互界面（Hassani & Silva，2023）。
界面是用户与智能代理之间的桥梁，也是两者发生交流的场所（李欣、朱红喆，2024）。在人机交互领域，界面对用户的交互体验、对智能代理的信任等都有着重要影响。有学者认为，对话式的交互界面是一个完美的环境，因为它对用户来说直观易理解，对智能代理而言又便于计算处理（Jentzsch et al.，2019）。界面呈现的形态决定了用户需要采用何种方式实现交互，而设计者通过将技术的性能与用户的经验、认知等有机结合所建构的界面隐喻却是用户如何理解和定义交互对象的关键。对于广义的人工智能应用而言，“助手”“助理”是其常用的界面隐喻，例如会议助手“水獭”、教育助理“Socratic”、情绪健康助手“Youper”等。而对于ChatGPT来说，其交互界面的隐喻便是“Chat（聊天）”，这也引导用户通过聊天的方式与之进行交互。同时，这类人机互动的本质逻辑类似于现实中的人际交流，并且ChatGPT还能够展现出与人类相似的情感、认知以及语言表达习惯等（AlLily et al.，2023）。这便使得人们在与ChatGPT交互的过程中会下意识地将其当作社会行动者而非机器（Kim & Sundar，2012），从而与之建立起类似于现实中的社会关系，形成准社会交往（Horton & Wohl，1956）。
一般来说，准社会交往会给用户带来更多的互惠体验（Dibble et al.，2016），进而让人们更愿意通过持续使用来延续这种享受（Ashfaq et al.，2020）。然而，最新的研究也发现，与智能代理的准社会交往未必总能提高用户的持续使用意愿，有时反而会造成其认知负荷的增加（Nguyen et al.，2022），导致使用意愿下降。因此，与智能代理的准社会交往与使用意愿的关系仍需进一步探讨。此外，心理学研究提醒我们，尽管所有人都需要社会关系（Carvallo & Gabriel，2006），但并不是每个人都享受与他人建立亲密联结。相对而言，依恋回避型的个体更注重自身的独立性，并表现出对亲密关系的回避与社交抑制（Silverman，2011）。对他们来说，亲密的互动会让其消耗更多的能量，增加其认知负荷。那么当现实中的社会关系延伸至人机交互领域，对于依恋回避水平较高的个体，他们是否会在与以ChatGPT为代表的“智能助手”的准社会交往过程中感到自身能量的损耗，导致额外认知负荷的增加，从而减少甚至放弃使用智能代理呢？
基于此，本文在前人研究的基础上，以ChatGPT为例，从准社会交往理论、认知负荷理论以及依恋理论的视角展开研究。本文试图探究以下问题：用户与ChatGPT的准社会交往如何影响个体的持续使用意愿？拥有不同依恋回避水平的用户与ChatGPT的准社会交往是否会对其认知负荷产生截然不同的影响，进而造成持续使用意愿的变化？
二、文献综述与研究假设
（一）ChatGPT的界面隐喻与准社会交往
在人机交互领域，界面（interface），或人机界面（human-computer interface），是一个非常重要的概念，指的是人与机器硬件之间的接触面。可以说，人机交互领域的大部分研究都涉及人机界面的设计和使用。界面直接影响着人机的信息交流和互动过程。人们通过感知界面中的线索来知觉人机交互的行动可能和规则（Sundar，2015）。Galloway（2012）认为，界面不仅仅是作为边界的接触面，还是人类活动的自治区。这说明，界面之所以重要，并不简单地因为其作为人与机器的接触面，而更是因为它是人机互动发生的区域。
为了让人机互动更流畅、自然地发生，人机界面设计的一个重要原则就是控制复杂性，尽可能地降低用户使用机器时的认知负荷。认知负荷指对工作记忆储存和信息处理的需求（Sweller，2011）。根据认知负荷理论，人们的认知系统是一个自然的信息处理系统；当人们需要创造、储存、学习、传播和使用信息时，就会产生认知负荷。认知负荷存在内在与外在之分。内在认知负荷主要由需要处理的信息的复杂性决定，除了改变信息内容与个体的信息处理能力外，它是无法改变的。相反，外在认知负荷是由于信息传播过程引起的认知加工而在工作记忆中产生的认知负荷（Mayer，2005），它是可控的，并且外在认知负荷在任何时候都应该减少（Sweller et al.，2011）。界面作为人与机器信息流动的接触面，其设计的好坏会影响用户认知负荷的程度。
一种常用于降低认知负荷的界面设计取向是将在界面中可能发生的行动、流程和所涉及的概念与用户已有的经验、知识和概念进行映射，即界面隐喻。例如，将处理电子文档的系统以“桌面”“文件夹”的隐喻进行设计。一个好的界面隐喻不仅能够帮助用户理解机器的主要功能，也能帮助用户注意到与隐喻相关的界面特征，从而引导他们的使用。当前，基于语言大模型的人工智能应用常常采用拟人的、人际的隐喻来命名和进行界面设计。例如，ChatGPT的隐喻直接体现在“Chat（聊天）”，即通过聊天来实现软件的功能。而多数基于语言大模型的人工智能所使用的更广泛的隐喻则是智能助手。这些以大模型为基础的人工智能技术常常被定位为工作场景中的助手，例如微软办公软件推出的人工智能助手Copilot（副驾驶）。基于“聊天”“助手”等隐喻，人工智能应用的用户界面也常常以对话的形式来展示，引导用户以“聊天”的方式与“助手”进行交互。因此，基于“聊天”“助手”等隐喻的界面决定了用户与ChatGPT等类似应用的交互逻辑将是一种类人际交往的形态，即准社会交往。
准社会交往（Parasocial Interaction，PSI）最早由唐纳德·霍顿（Donald Horton）与理查德·沃尔（Richard Wohl）于1956年提出。这一概念讨论了受众与媒体人物（如演员、歌星、主持人）的互动是如何产生出类似于现实中的社会关系的。20世纪70年代，McQuail等学者在电视观众的研究中发现，观众实现由被动观看者到主动影响者的角色转变与准社会交往密切相关（Thornham et al.，2009）。尽管观众收看的电视节目是被刻意设计的，或者说是被表演者控制的，然而每个受众的体验又是“直接的、私人的与互惠的”（Horton & Strauss，1957），因此个体会产生能够与电视中表演者直接互动的错觉。Hartmann和Goldhoorn（2011）认为，人们之所以能实现准社会交往，是因为个体能够在任何社交场合通过读心术（mind reading）来推测他人的心理状态，并且这种读心术会自动发生。因而在非现实的媒介场域中，观众也能够通过自动化的读心术来与表演者建立社会交互的感觉。此外，Hartmann和Goldhoorn（2011）还通过实验研究发现，表演者的凝视和口头称呼能够增强受众感受到的准社会交往程度。
随着媒介技术的进一步发展，准社会交往变得越来越频繁和多样。一方面，社交媒体的出现让以往只出现在电视机前的表演者能够以更高的频率与受众进行互动，网络红人、视频博主，甚至是未曾谋面的虚拟陌生人都能与不同的个体发生准社会交往（Kim & Song，2016；Chen，2016；Rasmussen，2018）。另一方面，人们的准社会交往对象也随着呈现媒介载体的变迁而不断丰富，甚至不必是非虚构的人物。例如一些数字游戏角色能够与玩家建立深厚的联结，以至于玩家愿意打破真实世界与虚拟世界之间的界限来追求这种关系（Kavli，2012）。
近年来，学者们也尝试将准社会交往引入人机交互情境。学者们发现，准社会交往中介着人机交互对用户行为的影响。Tsai等（2021）发现用户与聊天机器人交互和其消费参与结果之间的关系是通过感知到的准社会交往来中介的。Youn和Jin（2021）还发现相比于助理型的聊天机器人，好友型的聊天机器人更能够促进用户感知到的准社会交往，进而影响用户对品牌个性的认知。此外，Rust和Huang（2021）提出人工智能的发展带领人们进入“感觉经济”时代，情感与同理心将变得更加重要，这也助力了人类与人工智能代理之间准社会交往研究的发展。个体在与人工智能代理互动时会将其视为社会实体，并采用人类社会的规制，从而支持准社会交往的形成（Pitardi & Marriott，2021）。Kim和Sundar（2012）发现，用户将具备拟人特质的智能代理视为社会行动者的过程是无意识的。越具备类人线索（如声音、形象等）的人工智能代理，越是能展现出符合用户期待的社会特征，从而加强用户与之交互的情感体验（Jin & Youn，2023）。
张洪忠等（2023）从吸引、强化互动和场景塑造三个层面讨论了用户与ChatGPT准社会交往关系的建构过程。首先，ChatGPT在信息检索、知识服务、内容生产等方面的复合型功能吸引着用户选择、关注和使用ChatGPT。其次，在用户使用ChatGPT的过程中，ChatGPT的语言生成已具备一定的“人格化”特质，拟人程度进一步加深。ChatGPT的拟人化会使其用户不自觉地忽视机器的自然属性，进而强化了对话和交流体验。再次，ChatGPT的对话是个性化的，同时也是构建式和引导式的，这将进一步构造社交的“在场感”。因此，可以认为，人们在使用ChatGPT时会产生准社会交往体验。
（二）准社会交往与用户持续使用意愿
在技术接纳研究中，用户的持续使用意愿一直是学者们关注的重点。持续使用意愿被定义为“用户定期使用创新的意向”（Jin & Youn，2023）。任何技术如果不能得到用户的持续使用，就不能认为是成功的，因为用户期望在技术的持续使用或交互中获益（Jin & Youn，2023）。如今，已有诸多学者于在线服务技术（Khayer & Bao，2019；Rahi et al.，2021）、智能可穿戴设备（Nascimento et al.，2018）、社交媒体（Yin et al.，2015；Ruangkanjanases et al.，2020）等场景对用户持续使用意愿的影响因素进行了研究。
准社会交往能够提高用户对技术的持续使用意愿。准社会交往的一个特征是给用户带来互惠感，包括相互意识、关注与调整（Dibble et al.，2016）。通过互惠体验，用户更能够享受与准社会交往对象的“亲密关系”（Hartmann & Coldhoorn，2011）。研究发现，准社会交往会增强用户与智能代理交互的乐趣，并让人们更愿意延续这种互动（Ashfaq et al.，2020）。个体与智能代理的准社会交往会让人们拥有更高质的交流体验、满意度（Lee & Park，2022）、卷入度（Tsai et al.，2021）以及主观幸福感（Noor et al.，2022），进而让个体的持续使用意愿得到提高（Jo，2022）。作为生成式人工智能聊天机器人，ChatGPT具备主动承认错误、质疑不正确的前提和拒绝不当请求等人性化特质，这实质是一种互惠，提高了人们对其的认知与情感态度，进而促进人们的持续使用意愿（Ma & Huo，2023）。因此本研究得出以下假设。
H1：用户与ChatGPT的准社会交往能够正向预测其持续使用意愿。
（三）准社会交往与认知负荷
拟人化界面隐喻的使用目的是降低人们在使用过程中的认知负荷。那么，拟人化界面隐喻带来的准社会交往是否会降低认知负荷呢？在准社会交往过程中，用户会对其交互对象作出认知、情感与行为反应（Schramm & Hartmann，2008）。其中，认知和情感反应包括用户的注意力分配、对交互对象行为与情境的理解、预期观察、建构自身与交互对象的联系等，以及用户对这些理解和联系的情绪感受（Schramm & Hartmann，2008）。以上这些过程都会影响人机交互过程中的认知负荷。然而，学者们在这种影响的方向性上并没有得出一致的结论。Beege等（2017）于在线视频教学的研究中发现，教导者与学习者的准社会交往会导致更深层次的认知处理和情感状态，降低了认知负荷，从而有利于学习。而Mou等（2022）则将弹幕元素引入在线视频学习，发现弹幕能够增加用户的准社会交往体验，但同时也会显著增加他们的认知负荷，原因是弹幕可能会使学习者分散注意力以及浪费时间。相类似地，在用户与类人智能代理交互和认知负荷的研究中，学者们的发现也同样有所矛盾。例如Schmidhuber等（2021）发现，与聊天机器人交互能够有效减少用户的认知负荷，实现更高的工作效率。而Nguyen等（2022）却通过实验证明聊天机器人会导致较高的认知负荷，进而降低用户的满意度，因为用户可能使用经验不足，并且仅通过聊天的方式交互会降低其掌控感。
上述矛盾的结论揭示，准社会交往与认知负荷的研究还需要根据具体使用情境考虑更多可能的影响因素。在人机传播领域，已有学者发现人与智能代理机器人紧密连接的程度、系统的延迟回应以及智能代理提供的无关信息均会影响用户的认知负荷（Sun & Yu，2022）。本研究认为，除了智能代理本身的系统或技术性因素外，用户自身的特性也应该纳入考量。正如Schramm和Hartmann（2008）所言，准社会交往与观众或用户自身特质、情境动机密切相关。因此，本研究将依恋回避水平作为用户自身特质因素纳入准社会交往与认知负荷关系的研究，并在下文进行阐释。
（四）个体依恋回避水平的作用
个体依恋回避水平是指个人对亲密关系的回避程度，属于个体依恋类型的一个维度。依恋理论认为，个体的依恋类型是基于一个“二维四类”的概念方案，二维表示“回避”“焦虑”这两个理论上正交的维度，四类则是两个维度交叉划分的四种依恋风格，分别是“回避型”“恐惧型”“焦虑型”与“安全型”（Brennan et al.，1998）。依恋理论认为，具有高回避水平的个体会防御性地否认需要或渴望更多的社会接触（Bartholomew，1990）。总的来说，依恋理论是一个致力于探究人际亲密关系模型的广义社会发展理论，其主要研究对象包括婴儿与父母的依恋关系、亲密伴侣关系等。
但随着人们交流方式的拓展，依恋理论的应用范畴不再局限于亲密关系和面对面互动的场景，而是延伸到更多基于新媒体所形成的社交场景。例如，研究发现依恋类型影响了人们使用社交媒体的动机和行为，并且对孤独感、生活满意度和社交网络成瘾有一定的作用（Baek et al.，2014）。学者也发现依恋风格与社交媒体的接纳和使用有关：高焦虑水平的用户使用Facebook的频率更高，当感受到负面情绪时他们更可能使用社交媒体，并且更在意他人在Facebook上对他们的看法。而高回避水平的个体则更少使用Facebook，他们的开放性更低，并且对Facebook所持有的积极态度较少（Oldmeadow et al.，2013）。此外，依恋理论的研究对象也不仅是真实的人，学者们也十分关注人与机器交互中的依恋因素。Rabb等（2022）在人机交互的依恋研究中提出强依恋与弱依恋的概念来区分人际间的依恋和人与机器人之间的依恋。Dziergwa等（2018）让被试与社交机器人同住并长期互动，最终发现参与者的依恋风格与互动满意程度相关，其中，高回避水平的参与者与社交机器人的情感距离更远，并且更倾向于将社交机器人视为工具。
本研究认为，用户的依恋回避水平会预测其与ChatGPT的准社会交往体验和认知负荷的关系。依恋回避水平高的个体具有独立性、情绪淡漠以及避免亲密接触等特点，他们更倾向于减少自己对一段关系或社交互动的投入（Silverman，2011）。并且依恋特质与个体的信息处理方式息息相关，安全型依恋者往往拥有更灵活、更复杂的认知结构，这使得他们更愿意且能够自如地与外界信息进行交互；而回避型依恋者可能更缺乏处理新信息的认知资源，从而表现出更高程度的认知封闭（Mikulincer，1997）。另外，已有研究发现依恋回避水平高的个体更难以与交互对象发生准社会交往（Cole & Leets，1999；包敦安等，2011）。因此，若在高依恋回避水平个体的日常工作与生活中增加其与包括人、类人智能代理等各类主体的交流，可能会消耗其更多的认知与情感能量，增加其认知负荷。相反，用户的依恋回避水平越低，其可能越享受与类人智能代理进行交流的过程，这会使其更加专注从而减少外在认知负荷。因此本研究提出以下假设。
H2：个体依恋回避水平能够调节用户与ChatGPT的准社会交往和认知负荷的关系。
H2a：对于依恋回避水平高的个体，与ChatGPT的准社会交往程度会正向预测认知负荷。
H2b：对于依恋回避水平低的个体，与ChatGPT的准社会交往程度会负向预测认知负荷。
（五）认知负荷与持续使用意愿
人机交互研究领域的学者们发现技术自身的系统质量（Kaewkitipong et al.，2022）、信息质量、服务质量（Ashfaq et al.，2020）、拟人性（Jin & Youn，2023）以及用户感知到的乐趣、感知到的有用性、感知到的易用性（Ashfaq et al.，2020）等都会对用户持续使用意愿产生影响。而作为个体用于学习或执行任务时所使用的认知资源（Minkley et al.，2021），认知负荷对用户持续使用意愿的影响也十分重要。由于人们固有认知资源的有限性，高水平的认知处理会导致认知超载，进而促使用户减少甚至放弃使用AI个人助理（Sun et al.，2022）。尽管具备拟人性特质的智能代理（如人工智能语音助手）能够通过用户的感知有用性正向预测用户持续使用意愿（Zhou et al.，2023），但用户的认知负荷却能降低感知有用性，进而减少用户的持续使用意愿（Wu et al.，2022）。因此，若用户在与智能代理交互过程中导致额外认知负荷的增加而非减少，这可能会负向预测其与之持续交互的意愿。基于此，本研究提出以下假设。
H3：用户的认知负荷会负向预测其持续使用ChatGPT的意愿。
综上，本研究所建构的理论模型如图1所示。
三、研究方法
（一）数据来源与样本情况
本研究采用问卷调查的方式收集数据，并于2024年2月14日通过问卷星平台在线面向34个省级行政区以随机抽样的方式发放了650份问卷。截至2024年3月1日，本研究共回收问卷607份。鉴于本研究的目标样本是“具有ChatGPT使用经验的用户”，因此我们在问卷中设置了“是否使用过ChatGPT”的题项，若回答“否”则计入无效答卷。在剔除存在缺失值、填写时间不超过1分钟以及超过10分钟、未通过注意力筛查题项等无效样本后，研究最终获得有效样本数量为453份，有效率为74.63%。在453名参与者中，269名为男性，占样本总量的59.4%。样本的年龄主要集中在23~30岁，并且获得学历在本科以上的参与者数量占比为72.6%。表1显示了本研究样本的人口统计学信息。
（二）变量选择与测量
问卷由ChatGPT用户的准社会交往程度、认知负荷、个体依恋回避水平、持续使用意愿、个人数字网络素养、ChatGPT使用经验与人口统计学变量（性别、年龄、受教育水平）等部分组成。
1. 准社会交往
考虑到用户与ChatGPT交互目前主要是通过对话框进行的，类似于个体与社交机器人聊天交流的方式，因此本研究借鉴了韩秀等（2021）编制的社交机器人用户准社会交往量表，将原始量表中的准社会交往对象由“微软小冰”替换为“ChatGPT”，测量题项包含：（1）我觉得ChatGPT就像一个朋友一样；（2）我感觉ChatGPT就跟一个正常而实在的人一样；（3）如果ChatGPT有实体/虚拟形象，我期待能在电视节目或电影里看到。（Cronbach’s α=0.92）问卷使用7点李克特量表测量，从1至7分别代表“很不同意”到“很同意”，参与者答题得分越高，表明其与ChatGPT的准社会交往程度越高。
2. 认知负荷
认知负荷量表用于探究个体在与ChatGPT交互的过程中为使交互顺畅进行或达到自己的预期水平所付出的认知努力。本研究参考Sun等（2022）的研究，题项包括：（1）确定哪种描述能让ChatGPT理解我的指令会给我带来额外的思考；（2）在与ChatGPT交流时，我不知道该选择哪种表达才能实现有效对话；（3）一般情况下，我很难与ChatGPT交流。（Cronbach’s α=0.77）以7点李克特量表的形式设置认知负荷测量题项，从1至7分别代表“很不同意”至“很同意”，得分越高表明用户在交互时所付出的认知努力越大。
3. 个体依恋回避水平
个体依恋水平通常划分为回避与焦虑两个维度，其中回避维度关注个体避免依赖与亲密关系的程度，本研究采用Wei等（2007）开发的简短版亲密关系体验量表中的回避维度测量来探究用户自身的依恋回避水平。问卷包含：（1）我想靠近我的伴侣，但我一直在后退；（2）当伴侣离我太近时，我会感到紧张；（3）我尽量避免与伴侣走得太近。（Cronbach’s α=0.86）问卷采用7点李克特量表，从“1=很不同意”到“7=很同意”，对应分数越高，表明个体的依恋回避水平越高。
4. 持续使用意愿
本研究对用户持续使用意愿的测量量表改编自Abbasi等（2022）学者，量表包含：（1）我打算继续使用ChatGPT，而不是停止使用；（2）如果可以的话，我想继续使用ChatGPT；（3）我会推荐其他人使用ChatGPT；（4）我会像现在一样定期使用ChatGPT；（5）在日常生活中，我会尽量使用ChatGPT。（Cronbach’s α=0.77）问卷使用7点李克特量表，从“1=很不同意”到“7=很同意”，得分越高代表个体持续使用意愿越强。
5. 控制变量
本研究控制了性别、年龄以及受教育水平这些人口统计学变量。以往研究表明具备一定数字网络素养的个体能够更有效地利用新兴技术获取、利用信息（张莉，2010）。因此本研究还将个体数字网络素养作为控制变量。此外，具有丰富ChatGPT使用经验的用户在与其交互时更加得心应手，相比经验尚少的个体更少消耗自身的认知能量，因此本研究也将用户ChatGPT使用经验（接触ChatGPT的时长、与ChatGPT的交互频率、与ChatGPT每次交互的用时）作为控制变量。
（三）数据分析
PLS-SEM具备灵活迭代的特性，在估算复杂模型时具有优势，且不论模型大小，PLS-SEM都能够很好地进行测试（Ringle et al.，2012）。此外，PLS-SEM能够同时处理多个回归变量、中介变量与调节变量，并且不要求数据的正态性，因此适用于本次研究建构的调节中介模型测试（Leguina，2015）。
研究首先检验了测量模型的有效性，以确保模型每个潜在变量的信度与效度。在此之后我们使用PLS-SEM检验潜在变量间的相关性。由于PLS-SEM不能揭示调节中介模型的总体显著性与实现调节变量的简单斜率检验，而PROCESS宏程序在中介和条件过程分析中能够提供可用于假设检验的重要统计量（例如条件间接效应与调节中介指数）（Hayes et al.，2017），因此我们采用SPSS中的PROCESS宏程序执行调节中介效应模型，以辅助PLS-SEM来检验调节中介模型的显著性与稳健性。本研究所有数据分析操作均在SmartPLS4.1.0.0与SPSS中的PROCESS宏程序完成。
四、研究结果
（一）测量模型
表2显示了本研究测量模型的信度与效度结果。所有结构的Cronbach’s α均高于0.7，表明所有测量的可靠性较高。此外，所有测量的因子负荷在0.51~0.91之间。模型变量的CR值在0.80~0.94之间，且“认知负荷”“个体依恋回避水平”“持续使用意愿”的AVE均大于0.5。尽管“准社会交往”的AVE为0.45，但该结构的平均方差提取均在0.4以上且其组合信度高于0.6，因此仍可认为本研究构念的收敛效度是充分的（Fornell & Larcker，1981；Lam，2012）。最后，如表3所示，所有AVE值的算数平方根（对角线上的值）均高于各结构之间的相关性（非对角线上的值），这表明结构具有良好的判别效度。
（二）结构模型
表4显示了本研究偏最小二乘法结构方程模型的拟合情况。本研究参考Henseler等（2016）所提出的PLS-SEM模型拟合效果的衡量指标，由于SMRM=0.021（小于0.08），NFI=0.988（大于0.9），因此本研究模型具有可靠且充分的拟合度。
PLS-SEM的结构模型结果如图2所示。用户与ChatGPT的准社会交往程度与用户持续使用意愿呈显著正相关（β=0.39，p<0.001）。用户与ChatGPT的准社会交往程度与认知负荷呈负相关，但并不显著（β=-0.52，p>0.05）。认知负荷与持续使用意愿呈显著负相关（β=-0.11，p<0.05）。此外，个体依恋回避水平对准社会交往与认知负荷之间的关联有显著调节作用（β=0.16，p<0.001）。整体模型分别解释了用户认知负荷与持续使用意愿55.4%与26.9%的方差。这些发现支持了H1和H3。
（三）调节中介效应
本研究使用SPSS中PROCESS宏程序的模型7执行模型调节中介效应的结果。个体依恋回避水平与用户准社会交往的交互作用是显著的。如图3所示，当个体依恋回避水平低时，用户与ChatGPT的准社会交往和认知负荷呈负相关；而在个体依恋回避水平高时，用户与ChatGPT的准社会交往和认知负荷呈正相关。此外，调节中介显著，调节中介指数为-0.001，95%CI=[-0.0032，-0.0002]。研究发现，不论个体依恋回避水平是低还是高，其对认知负荷的条件中介效应均显著。当个体回避水平低时，中介效应为正（effect=0.0057，CI=[0.0001，0.0148]），即准社会交往降低了认知负荷，进而提升了使用意愿。相反，当个体回避水平高时，中介效应为负（effect=-0.007，CI=[-0.0174，-0.0003]），即准社会交往增加了认知负荷从而降低了使用意愿。由此，研究结果支持了H2、H2a与H2b。
六、总结与讨论
（一）研究主要发现
人们与ChatGPT交互的主要途径是文字对话，而用户与ChatGPT的交流本质上是一场人机传播（邱立楠、顾倩莲，2023）。作为OpenAI开发的人工智能聊天机器人程序，ChatGPT具备强大的语言理解与文本处理能力，能够在用户与之交互的过程中为其带来人性化体验。然而这样的人性化体验未必会让用户收益更大，反而可能让个体的认知成本增加，进而减少对ChatGPT的持续使用意愿。在本研究中，我们基于准社会交往视角、认知负荷理论和依恋理论研究了用户与ChatGPT的准社会交往和其持续使用意愿之间的关联。我们发现（1）用户与ChatGPT准社会交往的程度越深，个体的持续使用意愿越强；（2）用户的依恋回避水平调节了准社会交往与认知负荷的关联；（3）用户的认知负荷会负向预测其持续使用意愿。
本研究首先揭示了用户与ChatGPT的准社会交往对其持续使用意愿的正向预测作用。这与先前研究所得出的结论一致，即在人机交互中，用户感知到的准社会交往会让其更愿意延续这种互动（Ashfaq et al.，2020；Jo，2022）。ChatGPT凭借自身的拟人性特质与强大的智能系统增强了用户与其准社会交往的程度（Aw et al.，2022），并且用户自身的乐趣、感知到的有用性、满意程度等会随准社会交往程度的加深而得到提升（Kim et al.，2024），最终实现其持续使用意愿的增强。
其次，本研究的结果还表明，用户与ChatGPT的准社会交往会通过和个体依恋回避水平的共同作用影响认知负荷，即个体依恋回避水平对准社会交往和认知负荷之间的关系起调节作用。具体而言，对于高依恋回避水平的用户，他们与ChatGPT的准社会交往程度越深，其认知负荷也会越大；对于低依恋回避水平的个体，他们与ChatGPT准社会交往的深入不仅不会增加其认知负荷，反而会使之减少。依恋回避水平高的个体更注重自身的独立性，在交往过程中也更倾向于抑制自身情感与需求的有效表达（Zhao et al.，2023）。然而，与ChatGPT的交互需要用户采用对话交流的方式才能实现。对于依恋回避水平高的个体来说，尽管ChatGPT能够理解人类语言的细微差别并作出适当回应（Ye et al.，2023），但这种类似于人与人之间对话沟通的交互体验可能会让他们在交流过程中对ChatGPT持有的态度相对负面，以及在表达需求或情感时觉得不自在或不信任（Zhao et al.，2023），这反而会增加其认知负荷。反之，对于依恋回避水平较低的用户来说，他们对ChatGPT等人工智能代理的信任会更高（Gillath et al.，2021），这将提高用户以及其自身与人工智能合作的效果与表现，同时减少压力与各类风险（Thau et al.，2007；Chakraborti et al.，2017），从而实现认知负荷的降低。我们关于个体回避水平调节作用的发现回应了先前学者们的研究启示，即准社会交往体验与用户自身的特质息息相关（Schramm & Hartmann，2008）。因此，在人机传播过程中，依恋类型必将是一个重要的个体因素。
最后，本研究验证了用户认知负荷对持续使用意愿的负向预测作用。这与先前的研究发现相契合，即由于人们认知资源的有限性，过高的认知负荷会让用户减少乃至放弃与类人智能代理的交互（Sun et al.，2022；Wu et al.，2022）。此外，ChatGPT目前在逻辑推理、知识学习以及输出内容可靠性等方面仍存在一定的局限性（Zhou et al.，2024），而这些限制性因素可能会在技术、互动、可读性等方面形成对用户体验的阻碍（Wu et al.，2023a），增加用户的认知负荷，从而导致其持续使用意愿的降低。
（二）理论与实践意义
作为人工智能巨大突破的代表，ChatGPT能够做到情感剥离、语境理解以及自我纠错（吴婧婧，2023），是智能代理在“类人”方向发展道路上里程碑式的存在。然而我们的研究结果却表明，ChatGPT所使用的拟人化界面隐喻及其带来的准社会交往体验并不能让所有用户都获益。当用户的依恋回避水平较高时，他们与ChatGPT的准社会交往体验会增加其认知负荷，进而导致持续使用意愿的下降。聊天对话的交互方式固然能够让人机交互因为“事事有回音”而更接近于现实的人际交流，然而过于单一的交流途径也间接使用户让渡了自身对于系统的控制感，丧失了部分自主性（Nguyen et al.，2022）。对于不擅长或不愿意用语言来表达自身需求与情感的个体，他们在与ChatGPT交互过程中的不适感会额外地增加，在他们看来，所谓的“智能助手”可能只是包袱而已。
我们的研究或许能让研究者更加谨慎地对待“智能助手”“人机协作”等词汇所隐含的界面隐喻及其影响，并时刻警惕界面隐喻演化为一种技术与文化层面的霸权。如今，人与智能代理的互动从工具型走向了情感型（何双百，2022）。其中，以ChatGPT为代表的类人智能代理更是将人机交流带到了新的起点，让人们对机器有更多的信任，对与机器的交流有更多期待，人机交流也更为常态化（彭兰，2023）。同时，不论是技术工作者还是研究者都倾向于采用“助手”“伙伴”等拟人化界面隐喻对智能代理进行命名与设计（何双百，2021；计纬等，2023）。但这种趋势对于不同社交特质的用户来说究竟意味着什么？在人们寻求人机关系深层次融合的当下（刘德寰、洪馨仪，2023），本研究结果揭示，“助手”“聊天”等界面隐喻的发展方向将可能导致一种基于人格社交特征的技术接纳和使用鸿沟。当隐喻嵌入交互界面成为界面隐喻，它便成为了用户连接系统的心智模型（mentalmodel）的桥梁（Sease，2008），推动建构了研究者、设计者、开发者与用户之间关于用户界面的统一认知模式，帮助其更清晰地理解系统功能（张小龙等，2018）。如今，界面隐喻更多是由设计者选择或定义的，他们通过隐喻将自身的想法包装并传达给用户，而用户自身并未真正参与隐喻建构的过程，仅仅通过后期的交互才形成关于系统的心智模型，这也从侧面反映出用户在人机交互过程中的被动地位。因此，在技术接纳和使用过程中，能够适应界面隐喻的个体将会比难以适应界面隐喻的个体更加容易接纳新的技术并由此获得更多的收益，这就形成了基于人格社交特征的技术鸿沟。此时，界面隐喻就是一种技术霸权的体现。
从技术哲学的角度来说，界面不单能够对个体造成显见直接的影响，同时它也是更广泛的文化、政治和社会背景所形成的结果（Galloway，2012），进而对用户理解并塑造世界的过程产生深远却隐蔽的作用。传统传播研究假设传播主体是人，而人工智能参与到传播实践却打破了这一预设：人工智能不仅是人类传播的技术中介（即“技术观”），也是传播过程中重要的主体与对象（即“关系观”，如人机传播）（周葆华、苗榕，2021）。显然，“助手”“聊天”等拟人化隐喻更大程度地将人工智能视为传播主体，更符合一种“关系观”的范式。此种隐喻必然将与“技术观”的研究范式在理论上产生根本的矛盾。因此，当拟人化隐喻被业界、学界甚至社会广泛应用时，智能传播的“关系观”将成为主流，并从根本上影响我们对人工智能、智能传播的研究和价值取向。然而，大陆学界目前对智能传播的定义和国家对人工智能的态度都更倾向于采用“技术观”，因此应注重智能传播“关系观”和“技术观”的理论差异，并警惕此种差异在大陆人工智能和智能传播治理领域中所可能产生的潜在冲突。可以想象，当用户由于业界所推动的拟人化界面隐喻而更加接受人工智能的“关系观”时，国家却以一种“技术观”视角来对人工智能进行治理，这将可能产生矛盾。总的来说，随着生成式人工智能将“助手”“伙伴”等界面隐喻促成主流，我们需要避免将部分用户排除在这些新技术之外，并时刻警惕界面隐喻演化为一种技术与文化层面的霸权。
在应用层面，本研究也为人工智能辅助技术的交互界面设计提供了相关启示。由于在交互过程中，用户依恋回避水平的差异会导致其认知负荷不同程度地增加或减少，因此我们的研究建议设计者考虑不同社交特质用户的使用偏好，开发多种交互形式的界面。例如对于依恋回避水平较高的用户，设计者可以开发出能够通过图标、超链接、菜单栏或复选框来控制操作的菜单界面，增加除对话之外的交互方式（Nguyen et al.，2022）。以往研究发现，回避型依恋个体回避的是与之亲近的人，而他们与陌生人接近则没有问题（Fraley & Shaver，1998），因此设计者也可以在用户与智能代理交互之前让他们自行选择交流的风格，例如“亲近”或“疏离”。
（三）研究不足与未来展望
尽管我们的发现为人机交互领域的研究提出一些启示性的建议，但仍存在有待解决的问题。首先，虽然ChatGPT凭借其自身出色的语言理解、智能生成等特质成为类人智能代理的典型代表，但科技的发展已催生出诸多类型的智能代理，并且这些智能代理已被广泛应用在信息检索（Yuniarthe，2017）、购物消费（Aw et al.，2022）、出行服务（Nguyen et al.，2022）等各类领域。用户在不同应用场景下与各类智能代理进行交互的感受也许有所差异，因而未来的研究需要结合具体的使用场景检验本研究的发现是否具有一定的可推广性。
其次，本研究主要从智能代理交互界面设计的拟人性来解释用户与ChatGPT交互过程中准社会交往的实现，并没有深入探究会对用户准社会交往体验造成影响的各类可能因素。除了拟人性特质以外，学者们还发现用户的努力期望值与感知到的安全感会对其准社会交往体验有显著影响（Aw et al.，2022）。因此，未来研究应进一步挖掘人机交互场域下影响准社会交往实现的各类因素。此外，本研究将个体社交特质（依恋回避水平）作为影响准社会交往与用户认知负荷的调节因子，但也有学者发现个体的依恋类型还可能是影响用户与智能代理准社会交往实现的前置因素（Aw et al.，2022）。之后的研究或许能够尽可能多地探究个体社交特质所存在的作用，明晰其在人机交互中的影响路径。
最后，虽然本研究借用认知负荷理论揭示了准社会交往促使个体持续使用意愿下降的遮掩效应，但是并未对用户在交互过程中涉及的认知负荷种类进行明确分类。此外，除了内在认知负荷与外在认知负荷，还存在“密切相关负荷”（GermaneLoad）。认知负荷理论认为，人们在学习中若能够形成认知图式，这将会更有利于日后的问题解决。而为了促进认知图式的建构，“密切相关负荷”需要一定程度的增加而不是减少（Schnotz & Kürschner，2007）。因此，未来的研究一方面可以探讨不同类型的认知负荷对人机交互的影响，另一方面，研究者可能还需要考虑在何种情况下需要合理地增加用户的认知负荷以达到用户收益的最大化。
本文参考文献从略，完整版请参看刊物原文
本文引文格式：卢嘉辉、李炳楠、蒲培洋：《ChatGPT的界面效应：准社会交往体验会降低依恋回避个体的技术接纳意愿吗？》，全球传媒学刊，2024年第2期，25-50页。