原文刊载于《全球传媒学刊》2024年第2期“智能传播”专栏。
作
者
贾煜：武汉大学媒体发展研究中心研究员，新闻与传播学院副教授。
韦懿轩：武汉大学新闻与传播学院本科生。
黄玥：武汉大学新闻与传播学院本科生。
罗晨（通信作者）：武汉大学新闻与传播学院讲师，跨文化传播研究中心研究员。
概
要
【摘 要】在不同的使用场景下，用户对ChatGPT的期望和需求可能存在显著差异，这直接影响了用户的使用体验和满意度。现有关于ChatGPT使用满意度的研究相对有限，本研究从ChatGPT使用类型切入，立足于期望不一致理论，探讨ChatGPT的不同使用类型（功能导向vs娱乐导向）对用户满意度的影响，并力图揭示其后的作用机制。通过开展一项嵌入于真实情境的单因素组间随机实验，研究者发现，与功能导向的ChatGPT使用相比，娱乐导向ChatGPT使用场景下用户的满意度更高。具体而言，在答案准确性和完整性满意度上，娱乐导向的ChatGPT使用显著高于功能导向使用，而在答案时效性方面，两组不存在显著差异。此外，挫败感在ChatGPT使用类型与用户满意度之间起中介作用。与功能导向ChatGPT使用相比，娱乐导向使用情境中的用户挫败感更弱，进而导致了更高的满意度。
【关键词】AIGC；人工智能；使用场景；挫败感；期望不一致理论
一、问题提出
随着人工智能技术的持续演进，人工智能产品与日常生活的联系日益紧密（卡斯特尔，2019；王朝阳、尹琳鑫，2022），以ChatGPT为代表的AIGC类产品是人工智能技术不断创新发展的阶段性成果（彭兰、安孟瑶，2023；喻国明、刘彧晗，2024）。ChatGPT具备了强大的信息检索、语言处理与内容生成能力，进而成为人类较为理想的人工智能对话伙伴（强月新、胡青山，2023）。2023年12月，中央经济工作会议明确提出，要加快推动人工智能发展（新华网，2023）。由此可见，随着党和国家对人工智能技术发展和应用的重视，AIGC类产品在经济社会发展中扮演的角色日趋重要。
用户满意度意指用户将体验产品或服务后感知的实际效果与体验前期望进行比较后所形成的一种愉悦或失望的情感状态（Yi，1990）。以ChatGPT为代表的AIGC类产品具有语料数据量大、交流人性化等优势，其主要功能在于所提供的智能化生成内容能够满足用户对信息获取和社交娱乐的需求（Ali et al.，2023）。当前ChatGPT的应用场景十分广泛，其不仅在提供信息服务、辅助日常工作等方面发挥着重要作用，还是用户休闲娱乐时的“新伙伴”（Lee & Park，2023）。然而，在不同的使用场景下，用户对ChatGPT的期望和需求可能存在差异，这可能会影响到用户的使用体验和满意度（Niu & Mvondo，2024）。
在功能导向使用场景中，用户往往期待ChatGPT能快速、准确地提供所需信息或协助自己更加高效地完成任务。因此，此情境下的用户满意度可能更容易受到ChatGPT答案完整性、信息准确性、任务完成效率的影响（Kim et al.，2024）。在娱乐导向的使用场景中，用户则更关注与ChatGPT的互动体验，如对话的趣味性、娱乐性以及随之产生的情感共鸣等。此情境下的用户满意度可能更多地与ChatGPT的娱乐性、情感支持、互动质量相关（Lee & Park，2023；Ma & Huo，2023）。鉴于不同使用场景下用户有截然不同的需求，现阶段的ChatGPT究竟是功能场景中的“好同事”还是娱乐场景中的“好玩伴”？哪种使用类型下用户的满意度会更高？厘清这些问题对于ChatGPT等AIGC类产品的进一步优化以及增强人机交互体验感具有较强的意义。
现有关于ChatGPT使用满意度的研究相对有限，主要涵盖两个维度：第一，从ChatGPT固有特征着手，也即探讨ChatGPT的客观属性（如系统、信息、服务、技术等）如何影响用户满意度（Cai et al.，2023；Chu，2023；Jo，2024）；第二，从用户特征切入，探讨特定用户特征（如ChatGPT素养、技术感知亲和力、虚假信息经历等）对ChatGPT使用满意度的影响（Amaro et al.，2023；Lee & Park，2023；Niu & Mvondo，2024）。但是，前人研究忽略了从使用特征的视角探讨不同使用类型对用户满意度的影响。为弥补这一局限，本研究意图从期望不一致理论（Expectancy Disconfirmation Theory，EDT）出发，重点关注在ChatGPT的两种主要使用类型（功能导向vs娱乐导向）下，用户的满意度会存在何种差异以及其后的作用机制为何。具体而言，本研究希望回答两大核心问题：（1）ChatGPT功能导向型使用与娱乐导向型使用相比，哪种类型的用户满意度更高？（2）使用类型与用户满意度关系背后的具体作用机制是什么？
二、文献回顾
（一）ChatGPT使用类型
作为一种先进的自然语言处理模型，ChatGPT具备强大的对话和文本生成能力（Ali et al.，2023；Wong et al.，2023）。它可以通过与用户的交互来提供流畅的回答和自动化生成内容（Zhu et al.，2023）。目前，ChatGPT已被广泛应用于传媒、教育、医疗等领域（宋韵雅，2023）。现有研究对其使用类型有不同的划定方式。一些研究将ChatGPT使用按具体任务细分为信息检索、对话生成、文本创作等类型（陈昌凤，2023；Kim et al.，2023；姜智彬，2024）；而根据使用类型的差异（Hazari et al.，2017），ChatGPT使用也可以分为功能导向的使用和娱乐导向的使用。
参照以往研究中对于产品或者服务的使用分类（Wakefield & Whitten，2006；Bridges & Florsheim，2008；Hazari et al.，2017），本研究将ChatGPT的主要使用类型概括为功能导向型、娱乐导向型两类。同时，将功能导向型定义为用户以明确的目标为导向（Hazari et al.，2017），通过使用ChatGPT来完成特定任务或解决具体问题。在此情境下，用户希望ChatGPT可以为其完整、准确、高效地提供所需信息（Bin-Nashwan et al.，2023）。诸多研究表明ChatGPT在功能导向型使用中展现出显著优势和可观潜力。例如，一些研究指出ChatGPT能够扮演个性化学习伙伴角色，帮助学生解决学习中遇到的问题，并提供定制化学习建议。通过与学生互动，ChatGPT能够了解学生的学习风格和具体需求，从而提供更具针对性的学习资源和学习路径（Rawas，2023；Zirar，2023；Boubker，2024）。在工作场合，ChatGPT也被广泛应用于客户服务、数据分析等多个方面。例如，ChatGPT可以作为智能客服，迅速回应客户问题，并生成个性化解决方案，以此提升客户的满意度（Keiper，2023；Niu & Mvondo，2024）。
除功能导向型使用外，本研究将娱乐导向型使用定义为：用户利用ChatGPT进行各种形式的休闲娱乐和社交互动活动，这些活动往往缺乏具体的目标和明晰的诉求。在娱乐领域，ChatGPT同样展现出独特的价值。一些研究表明，ChatGPT可以作为创意故事生成器，沿循用户的需求和喜好编写出充满创意和想象力的故事。用户还可以与ChatGPT展开互动来共同创作故事情节，享受创作乐趣（Lee & Park，2023；Ma & Huo，2023）。此外，ChatGPT能通过生成幽默的回答和有趣的对话为用户提供轻松愉快的娱乐体验（Lee &Park，2023；Thorp，2023）。综合现有文献，不难发现ChatGPT在功能导向型使用和娱乐导向型使用双方面都具有广阔的应用前景。因此，探讨ChatGPT不同使用类型下用户的满意度是否会存在差异具有重要价值。对这一问题的回答将协助研究者更深入地洞察用户满意度如何因不同的使用场景而异，亦可为AIGC产品的人性化设计和针对性应用提供启示。
（二）ChatGPT使用满意度
用户满意度是营销传播中的一个关键概念（Yi，1990）。Cardozo（1965）围绕用户满意度进行了开创性研究，认为用户对产品或服务的满意度是一种主观比较的产物。满意度关涉用户在使用或采纳某产品或服务之前的期望以及使用后的感知效果（Oliver，1980）。也有研究将用户满意度定义为用户使用产品或采用服务用以满足自身需求后产生的一种心理状态，用户的满意度随着需求被满足程度的提升而增强（Dubé & Schmitt，1991；郭晓姝等，2020）。
与其他产品或服务的用户满意度研究相比，有关ChatGPT的用户满意度研究相对有限，相关的文献回顾如表1所示。概括而言，一方面，部分研究紧扣ChatGPT的内在特征探讨其客观属性如何影响用户满意度。例如，Cai等（2023）的研究聚焦学生对ChatGPT的使用，问卷调查结果显示，ChatGPT的自主调节性、感知趣味性、需求被满足程度、信息系统质量都能够正向影响学生的满意度。Jo（2024）通过对企业员工展开问卷调查，发现ChatGPT的感知智能水平、服务质量、感知有用性、知识管理能力对员工的使用满意度具有正向影响。而Chu（2023）则通过实验研究发现，ChatGPT的信息质量、系统质量、服务质量正向影响用户的使用满意度。另一方面，部分研究尝试探讨用户特征对ChatGPT使用满意度的影响。例如，Lee和Park（2023）关注有ChatGPT使用经历的受访者，调研结果显示，用户的ChatGPT素养对用户ChatGPT使用满意度具有正向影响。类似地，Niu和Mvondo（2024）的调查研究揭示出用户对技术的感知亲和力也会正向影响ChatGPT使用满意度。而Amaro等（2023）通过实验研究发现，与使用ChatGPT后遭遇虚假信息的经历相比，在使用之前有过虚假信息遭遇经历的用户对ChatGPT持有更低的使用满意度。通过梳理以往文献，可以发现大多数围绕ChatGPT使用满意度的研究高度重视ChatGPT的自身特征及用户特征，但考虑到ChatGPT的使用类型亦有可能是预测用户满意度的重要因素，故有必要从使用类型的角度出发展开进一步的探索。
（三）期望不一致理论
作为经典的用户满意度生成理论，期望不一致理论主要探讨用户的期望与实际体验之间的差异如何影响他们的满意度（Oliver，1977，1980）。该理论认为，用户会将自己的预先期望与实际体验进行比对，若实际体验超越预先期望，则会增强满意度；反之，用户的满意度会降低（Oliver，1993）。期望不一致理论的落脚点在于“期望”和“感知效果”之间的比较。期望是用户在体验之前对产品或服务所持有的预期，而感知效果则是用户在进行体验后对产品或服务实际效用的评价（Burgoon & LePoire，1993）。期望和感知效果之间的不等同会造就不一致，也即期望与实际体验之间的落差感。根据期望不一致理论，用户的心理状态和满意度是由预先期望与实际体验之间的不一致程度决定的（Tong & Walther，2015）。因此，期望不一致理论为我们理解用户态度和决策，特别是用户满意度的生成逻辑提供了重要的理论参考。
由于ChatGPT的应用广泛性和开源性，用户在使用ChatGPT之后，也会基于使用体验与期望之间的差距来形成自己对ChatGPT的满意度评估，这为期望不一致理论应用于ChatGPT使用满意度研究提供了契机。因此，本研究将以期望不一致理论为依托来检验ChatGPT不同使用类型（功能导向型vs娱乐导向型）对用户满意度的影响，并试图揭示其后的作用机制。
（四）研究假设
1. ChatGPT使用类型与使用满意度
功能导向使用与娱乐导向使用是ChatGPT的两种主要使用类型（Bin-Nashwan et al.，2023；Thorp，2023）。娱乐导向型使用通常不涉及高度专业化的知识或技能（Thorp，2023）。在这一使用场景下，用户主要利用ChatGPT来进行一些轻松愉快的聊天或满足情感需求（Keiper，2023）。相应地，用户不会对ChatGPT的答案有过高的专业性期待或精准性要求，也不会过分在意答案的全面性（Keiper et al.，2023）。相较之下，用户的功能导向型使用需要ChatGPT提供更加精确和深入的答案（Baek & Kim，2023）。基于期望不一致理论，当用户在使用ChatGPT时，会将自己使用前的期望与实际的使用体验进行对照，如果ChatGPT的使用体验满足了使用期望，那么用户会有较高的使用满意度；如果实际使用体验无法满足期望，那么用户的使用满意度就会更低（Oliver，1993）。
ChatGPT的底层算法逻辑导致其在回答用户指令时主要遵循语义关联优先原则而非知识准确优先原则（Ouyang et al.，2022）。这意味着ChatGPT在对话时更注重语义的连贯性和逻辑性，而非追求提供绝对准确的知识。ChatGPT的设计原则使其在回答问题时更易凸显出自然性和流畅性，以此来更好地与用户进行对话（Ouyang et al.，2022；袁毓林，2024）。然而，这也有可能导致ChatGPT在某些场景下提供欠准信息，即答案的精准性与可靠性不足（Ouyang et al.，2023）。相比于功能导向型使用，ChatGPT在设计原则上更贴近娱乐导向场景下的用户需求。因此，娱乐导向型使用的实际体验会更符合用户期望，也会进一步带来更高的用户满意度。基于此，我们提出如下假设。
H1：相比功能导向型ChatGPT使用，娱乐导向型ChatGPT使用会带来更高的用户满意度，包括对答案准确性的满意度（H1a）、对答案完整性的满意度（H1b）、对答案时效性的满意度（H1c）。
2. 挫败感的中介作用
挫败感是一个肇始于心理学领域的概念，属于个体的常见情绪反应之一，与愤怒、烦恼、失望有关。挫败感的产生源于对实现个体意志或目标的感知阻力，当个体的意志或目标被否定或阻碍时，挫败感就会出现（Maier，1942，1956；Crossman et al.，2009）。已有研究发现，挫败感是预测人机交互效果的一项重要指标（Abd et al.，2017）。本研究认为，挫败感在AIGC类产品使用类型与使用满意度之间可能扮演中介角色，具体原因如下。
基于期望不一致理论，当用户在使用ChatGPT时，会将自己的使用期望与实际效果进行对比。使用期望是用户在实际使用之前对ChatGPT的一个功能预期，实际效果是用户在使用之后对ChatGPT的实际效用评价。使用期望和感知实际效果之间的对比会引发不一致状态，而用户的满意度则是由这种不一致状态所决定的（Oliver，1993）。与功能导向型使用场景相比，娱乐导向型使用场景下的互动更加轻松，用户通常不会对答案的准确性和回答深度抱有过高要求和期待。同时，ChatGPT的底层算法逻辑导致其遵循互动性优先原则，而非精准性与可靠性优先原则（Bin-Nashwan et al.，2023）。因此，与功能导向型ChatGPT使用相比，娱乐导向型使用不会因为对话过程不符合预期而产生压力情绪（Thorp，2023），用户的挫败感较低。而在功能导向使用场合，若ChatGPT的回答不够准确或不够深入，用户可能会有更大的概率体验到失望或困惑，进而引发较为强烈的挫败感。
已有研究对挫败感与满意度之间的关系有较为丰富的记录。不少研究者发现，挫败感与满意度之间呈显著负相关关系（Fox & Spector，1999；Longo et al.，2016；Abd et al.，2017）。综上，相比功能导向型ChatGPT使用，娱乐导向型使用会伴随着更低的挫败感。而挫败感越低，用户的满意度会越高。据此，我们提出如下的研究假设。
H2：挫败感在ChatGPT使用类型与满意度之间起中介作用。具体而言，与功能导向型ChatGPT使用相比，娱乐导向型使用会带来更低的用户挫败感，进而关联到更高的使用满意度，包括对答案准确性的满意度（H2a）、对答案完整性的满意度（H2b）、对答案时效性的满意度（H2c）。
三、研究方法
根据上文提出的两则研究假设，研究者开展了一项单因素（使用类型：功能导向vs娱乐导向）组间随机化实验。为更好地确定正式实验的素材，研究者在正式实验之前开展了一项先导实验。具体地，在先导实验阶段，研究者设计了多则分属于功能导向和娱乐导向的题目，并邀请来自华中地区某高校的45名大学生（Range年龄=18~25岁，M=20.60，SD=1.60；N女性=30人，占比66.67%）作为被试对实验题目进行评价。评价内容涵盖：（1）题目的功能性娱乐性得分；（2）对题目的喜爱程度、熟悉程度及对ChatGPT解决这些问题的预先期望程度。实验数据回收后，研究者基于（1）功能性娱乐性的组间得分差异性（存在显著差异）和（2）实验题目的喜爱程度、熟悉程度以及对ChatGPT的预先期待程度的组间得分相近性（不存在显著差异）两大标准，筛选出功能导向型和娱乐导向型实验组对应的实验题目。
（一）正式实验设计与被试情况
本实验的被试被限定为具有ChatGPT使用经验的个体。进入虚拟实验室后，被试被随机分配至功能导向或娱乐导向组别中。剔除不合格样本后，最终的有效被试数量为96人，其中功能导向组47人，娱乐导向组49人。
为检验本研究的样本量是否满足统计要求，研究者利用G*Power3.1软件进行事后统计功效检验（Faul et al.，2007）。在效应量为0.4、显著性水平为0.05、组数为2、样本量为96、协变量个数为5的条件下，对应的统计检验力为0.97，超过基准水平0.8（张丽锦等，2021）。因此，本研究的样本量符合要求。
通过执行卡方检验和独立样本t检验，研究者发现两组被试在性别、职业、学科背景、学历、年龄这些人口统计学变量上不存在显著差异。被试的基本结构与组间对比结果如表2、表3所示。
（二）实验流程与变量测量
根据先导实验之结果，本研究确定了两个不同实验组别下的实验素材（题目），这两个题目皆与“海外旅行”这一话题相关。被试被要求在13至15分钟内解决相应的问题，并要求与ChatGPT展开8至10分钟的交互，以确保实验操纵的有效性。在完成与ChatGPT的交互后，被试需在指定系统中上传最终的互动记录，以此来判断被试的填答质量。在功能导向组，被试还被要求上传完成的任务计划书，以此来判断被试回答的有效性和任务操纵的真实性。
前测阶段，被试需汇报自身的人口统计学信息（如：性别、年龄、职业、学历、学科背景），汇报完毕后，被试被随机分配至功能导向组或娱乐导向组。为控制潜在混淆因素的干扰，本研究的实验材料严格基于预实验的筛选结果。具体而言，在功能导向组，被试被要求完成一份针对2024年五一假期的五天四晚海外旅行计划书，明确规定计划书的详细内容与具体要求。而在娱乐导向组，被试被要求与ChatGPT就海外旅行这个话题展开聊天，同时，研究者规定了被试与ChatGPT的交互时长和任务整体时长。具体实验素材如表4所示。
实验结束后，被试被邀请填写后测问卷，其中包含操纵检验和本研究核心变量对应的测量题项。核心变量（挫败感、用户满意度）的测量皆采用李克特七级量表形式。挫败感题项改编自Peters等（1980）的研究，共包含3个题项，研究者进一步根据实验任务对措辞予以微调，以更贴合ChatGPT的使用场景。用户满意度的测量方案借鉴了王娜、李杰（2023）的做法，共包含3个题项，分别测量对答案完整性的满意度、对答案准确性的满意度、对答案时效性的满意度。挫败感和用户满意度的具体测量题项、描述统计结果以及信度系数如表5所示。
四、研究结果
操纵检验的分析结果显示，被试能够清晰分辨娱乐导向型使用和功能导向型使用两种场景（M娱乐=2.98，SD娱乐=1.84；M功能=6.10，SD功能=1.62，F（1，94）=78.15，p<0.001）。同时，不同组别的被试在对ChatGPT实验题目的喜爱程度（M功能=5.09，SD功能=1.40；M娱乐=5.31，SD娱乐=1.25；F（1，94）=0.67，p=0.415）、熟悉程度（M功能=5.30，SD功能=1.18；M娱乐=5.35，SD娱乐=1.23；F（1，94）=0.04，p=0.843）以及感知实验困难程度（M功能=5.11，SD功能=1.59；M娱乐=4.76，SD娱乐=1.71；F（1，94）=1.08，p=0.301）上不存在显著差异，符合被试随机性分派的要求。
本研究使用单因素方差分析（ANOVA）进行主效应检验，结果（图1）显示：（1）就整体满意度而言，娱乐导向ChatGPT使用（M娱乐=5.19，SD娱乐=1.06）与功能导向ChatGPT使用（M功能=4.48，SD功能=1.15）相比，用户满意度显著更高（F（1，94）=9.85，p<0.01）。（2）具体而言，娱乐导向ChatGPT使用在答案准确性（M娱乐=5.02，SD娱乐=1.13；M功能=4.17，SD功能=1.34；F（1，94）=11.35，p<0.01）和答案完整性（M娱乐=5.49，SD娱乐=1.33；M功能=4.34，SD功能=1.49；F（1，94）=15.95，p<0.001）满意度两项上的分值显著高于功能导向ChatGPT使用。在答案时效性的评估上，两组不存在显著差异（M娱乐=5.06，SD娱乐=1.42；M功能=4.94，SD功能=1.22；F（1，94）=0.21，p=0.646）。因此，H1获得了部分支持。其中，H1a和H1b得到了支持，而H1c则被拒绝。
为验证H2中提出的中介机制，研究者利用SPSS中的Process插件（Model4）执行中介效应检验（Hayes，2013）。基于Bootstrap法（5000次）的分析结果显示，中介效应显著（indirecteffect=0.44，95%CI=[0.13，0.79]），且直接效应不显著（directeffect=0.27，95%CI=[-0.07，0.61]），这说明挫败感在使用类型（功能导向vs娱乐导向）与使用满意度之间起完全中介作用，因此，H2得到了支持。具体的路径系数如图2所示，其中“a”代表ChatGPT使用类型对挫败感的效应，“b”代表挫败感对用户满意度的效应，“c”代表使用类型对用户满意度的总效应，“c'”代表使用类型对用户满意度的直接效应。与功能导向的ChatGPT使用相比，娱乐导向使用会降低用户的挫败感（B=-0.81，t=-2.83，SE=0.28，p<0.01），挫败感与用户满意度之间存在显著的负相关关系（B=-0.55，t=-9.20，SE=0.06，p<0.001）。最后，ChatGPT使用类型对用户满意度的直接效应不显著（B=0.27，t=1.56，SE=0.17，p=0.122），总效应显著（B=0.71，t=3.14，SE=0.26，p<0.01）。
具体来看，当因变量为针对答案准确性的满意度评分时，中介效应显著（indirect effect=0.42，95%CI=[0.12，0.80]），且直接效应显著（direct effect=0.43，95%CI=[0.00，0.85]），这说明挫败感在使用类型（功能导向vs娱乐导向）与用户对ChatGPT答案准确性的满意度之间起部分中介作用，因此，H2a得到了支持。当因变量为针对答案完整性的满意度评分时，中介效应显著（indirect effect=0.52，95%CI=[0.16，0.93]），且直接效应显著（direct effect=0.63，95%CI=[0.17，1.09]），这说明挫败感在使用类型（功能导向vs娱乐导向）与用户对ChatGPT答案完整性的满意度之间起部分中介作用，因此，H2b得到了支持。当因变量为针对答案时效性的满意度评分时，中介效应显著（indirect effect=0.38，95%CI=[0.11，0.71]），且直接效应不显著（direct effect=-0.26，95%CI=[-0.75，0.23]），这说明挫败感在使用类型（功能导向vs娱乐导向）与用户对ChatGPT答案时效性的满意度之间起完全中介作用，因此，H2c得到了支持。
五、结论与讨论
以期望不一致理论为依托，本研究检验了ChatGPT使用类型与用户满意度之间的关系及相应机制。通过一项基于真实情境的单因素组间随机实验，研究者发现，与功能导向型ChatGPT使用相比，娱乐导向使用情境下的用户满意度更高。具体而言，娱乐导向型ChatGPT使用用户对回答的准确性、完整性满意度高于功能导向型使用用户，而在答案时效性满意度方面，两种使用类型间并未呈现显著差异。进一步地，机制检验的结果显示，娱乐导向型ChatGPT使用满意度高于功能导向型的原因在于前者所引发的挫败感更弱，进而导致更高的满意度。挫败感在ChatGPT使用类型与用户满意度之间起到中介作用。
本研究的理论贡献在于：首先，从使用特征的视角，发现娱乐导向型ChatGPT使用相比功能导向型使用来说，用户的满意度会更高。以往关于ChatGPT使用满意度的研究常常从产品或服务的自身特征、用户特征视角出发（Chu，2023；Wong et al.，2023；Niu & Mvondo，2024），本研究则从使用特征的视角切入，在产品或服务使用类型划分的基础上（Dhar & Wertenbroch，2000；Bridges & Florsheim，2008；Hazari et al.，2017）将ChatGPT的使用类型分成了功能导向型使用和娱乐导向型使用，延展了ChatGPT用户满意度的前因研究边界。其次，本研究发现相较于功能导向型使用，ChatGPT娱乐导向型使用场景下用户对答案完整性、答案准确性的满意度会更高，而对答案时效性的满意度在两种使用场景间无显著差异。这一结论揭示出ChatGPT使用满意度的内部异质性。对用户使用满意度进行细分考察也有助于从更细微的角度辨识ChatGPT不同使用类型对用户满意度的具体影响。再者，本研究基于期望不一致理论，发现挫败感在用途与满意度之间起完全中介作用，这为使用类型与满意度之间关系的具体心理机制提供了一种可行的解释方案，并揭示出期望不一致理论应用于AIGC类产品满意度领域的可能性（Tong & Walther，2015），同时，本研究发现挫败感在人机互动过程中发挥着重要作用，这为未来的人机互动研究提供了一个可以重点关注的心理变量。
本研究之核心发现对ChatGPT等AIGC类产品的设计具有一定的参考价值。第一，AIGC类产品的设计者及开发商可以秉持“因地制宜”原则，即针对不同细分领域的实际情况和具体应用场景的特性对产品进行功能规划与升级，以更好地提升用户的体验感和满意度。例如，开发者可以为部署于日常工作场景、意图实现特定功能的AIGC类产品注入更多的专业语料作为“养料”，以提升产品的应答准确率和答案的完整性。而面对部署于娱乐场景、无明确功能导向的AIGC类产品，开发者应着力设计出更多元的应用系统来追求丰富、灵敏的响应，而无须过度关注交互环节中的信息精准性和全面性。第二，考虑到挫败感发挥的中介效力，在优化人机交互时，设计者应加强用户调研和社交聆听（social listening），尤其是对用户在交互过程中产生的挫败感予以深入了解。源自用户端的挫败感反馈可以为AIGC类产品的优化迭代提供明确方向，亦有益于后续人机交互满意度的持续提升。除却为产品供给端提供改进策略，本研究之发现对AIGC类产品的用户端也有指导意义。具体来说，用户可根据使用类型与满意度之间的关系展开积极的自我调试，包括思考如何在异质性使用场景中更有效地结合AIGC类产品的可供性来满足自身需求。这一使用目的驱动的调试策略有助于最大程度地达成科技赋能，同时避免坠入供求不对位的数字陷阱。
本研究仍存在一定局限。第一，ChatGPT的使用类型可能更为多元，本研究所采纳的“功能导向—娱乐导向”二元划分方式仅触及用户使用模式的有限侧面，并不能把全部使用情景囊括其中，且“功能导向”和“娱乐导向”并非决然对立，仍然可能存在交集。未来研究可吸纳更多类型（如：社交导向型使用）或建构出穷尽且互斥的类型学体系，以发掘更为细致的机制。两类导向下的细分任务情景也值得深入挖掘。譬如，“功能导向”包括多种多样的、精确性与可靠性参差不齐的具体任务，其内部的异质性有可能和用户满意度息息相关，对不同类型下具体任务的考察应被纳入后续人机交互研究之议程。第二，在实验设计方面，尽管研究者开展了先导实验来筛选实验题目，但正式实验为单一实验，这使得研究的外部效度和结论可扩展性受到一定程度的威胁。未来研究可以尝试凭借多组实验来检验本研究之核心结论的稳健性，并以此提升外部效度。第三，与“娱乐导向组”相比，“功能导向组”中缺乏相应的对话启动提示词，这可能会引入一些混淆因素，干扰到后续的互动过程。如何在人机交互实验中最大程度地保证非操纵要素的一致、降低混淆因素的干扰有待进一步探索。第四，在满意度的测量方面，虽然本研究采纳了与用户满意度相关的成熟量表，但是在测量内容的全面性方面还存在一定的不足。若未来研究能够采用更加适用于ChatGPT使用满意度的量表，相应的研究结论将更具内部效度。第五，虽然本研究基于期望不一致理论验证了挫败感在ChatGPT使用类型和用户满意度之间所扮演的中介角色，但研究者并未排除可能存在的替代性假设。后续研究可以此为契机对竞争性假设予以进一步验证，包括识别其他的并行式中介变量以深化对人工智能产品满意度影响机制的理解。
本文系教育部人文社会科学重点研究基地重大项目（项目批准号：22JJD860009）和湖北省委宣传部武汉大学部校共建项目（项目批准号：2021XWZY009）的阶段性研究成果。
本文参考文献从略，完整版请参看刊物原文
本文引文格式：贾煜、韦懿轩、黄玥、罗晨：《功能导向还是娱乐导向？使用类型对用户满意度的影响研究》，全球传媒学刊，2024年第2期，79-98页。