有意义的交流而非表面拟人化促进人机信任校准：人机信任预期模型（HATEM）

目的 本研究旨在证明拟人化需要传达具有情境意义的信息，以增强用户信心并准确校准人类对自动化的信任。背景 拟人化被认为能提升人机信任，但相关证据仍不明确。我们测试人机信任预期模型（HATEM），该模型预测除非拟人化有助于自然交流情境相关的有用信息，从而促进对自动化失误的预测，否则其对信任校准和接受建议时信心的提升作用有限。方法 98名本科生使用潜望镜模拟器来分类船只，并由信度为50%的船舶自动建模（SAM）系统辅助。采用2×3设计的组间比较，比较SAM外观（拟人化头像对比摄像头眼睛）和语调（单调、无意义、富含意义），其中富含意义的语调传达了关于自动建议确定性和不确定性的情境有用信息。结果 头像SAM外观被评为比摄像头眼睛更具拟人化；无意义和富含意义的语调均被评为比单调更具拟人化。然而，主观信任、信任校准和接受SAM建议时的信心方面，拟人化外观无显著影响，而富含意义语调在这些信任指标上明显优于单调和无意义语调。结论 拟人化对人机信任影响甚微，除非其实施增强了相关信息的交流，使参与者能够更好地校准对自动化性能的预期。应用 设计师在使用拟人化调节信任时需考虑拟人特征将传达哪些具有情境意义的信息。