是追求可信度，还是发挥创造力？从双重契合的角度理解用户对人工智能生成内容满意度的驱动机制

《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》：To be credible or to be creative? Understanding the mechanisms driving user satisfaction with AI-generated content from a dual fit perspective

本研究基于双适应理论，探讨生成式人工智能（GAI）用户满意度的影响机制。通过两个情景实验（样本量548和197），发现信息可信度正向影响认知和情感适配，而信息创造力主要提升情感适配但对认知适配的影响仅在特定任务条件下显著。适配机制进一步作用于任务结果（SO）和交互过程（SP）满意度，且任务常规性比享乐性更显著调节信息可信度的作用。研究为GAI服务设计提供理论依据，强调需根据任务类型平衡可信度与创造力。

　　### 人工智能生成内容对用户满意度的影响机制研究

在当今数字化迅速发展的背景下，生成式人工智能（GAI）正在深刻改变信息生产的方式，并且越来越多地被整合到组织和个人的任务执行与决策过程中。本文探讨了个体如何感知和处理人工智能生成的内容，通过扩展双适配理论（Dual Fit Theory）来深化对用户满意度的理解。研究提出，信息的可信度和创造性是影响用户满意度的关键因素，它们通过两种不同的中介机制——认知适配（Cognitive Fit）和情感适配（Emotional Fit）——发挥作用。认知适配反映了信息与任务需求之间的匹配程度，而情感适配则捕捉了交互体验与用户情绪之间的契合度。研究还考察了任务特征（如任务常规性和任务享乐性）对这些适配机制的调节作用，以揭示用户满意度形成的边界条件。

### 人工智能生成内容的双重价值

生成式人工智能工具如ChatGPT的出现，使得用户能够以较低成本获得高质量的输出，从而改变了传统上认为某些任务只能由人类完成的观点。然而，这种技术的广泛应用也伴随着一些挑战，例如生成内容的可信度问题。人工智能生成的内容虽然具有高度的创造性，但有时会存在事实错误或虚构信息，这可能削弱用户对信息的信任度。这种“双刃剑”效应体现在人工智能的创造力和可信度之间的张力上。一方面，创造力使得人工智能能够处理以前被认为是人类专属的任务；另一方面，可信度问题则成为影响用户对信息价值判断的重要因素。

在研究中，我们提出了一个双适配理论框架，将认知适配和情感适配视为用户满意度形成的关键机制。我们发现，信息的可信度对认知适配和情感适配都有显著的正面影响，而信息的创造性主要增强了情感适配，其对认知适配的影响则取决于任务的具体条件。例如，在创意性任务中，创造性可以显著提高用户的情感适配，而在常规性任务中，创造性对认知适配的正面影响较为有限。因此，研究结果表明，任务的常规性是更强大的调节变量，比任务的享乐性对信息适配的影响更为显著。

### 实验设计与数据收集

为了验证这些理论假设，我们设计了两项基于场景的实验，分别招募了548名和197名参与者。这些实验涵盖了四种不同的任务情境，分别是常规-实用（RU）、常规-享乐（RH）、创意-实用（CU）和创意-享乐（CH）。实验中，参与者被随机分配到不同的任务情境，并在实验后完成问卷，评估他们的满意度以及认知和情感适配的程度。通过分析实验数据，我们验证了多个假设，包括信息可信度和创造性对认知和情感适配的影响，以及这些适配机制如何进一步影响用户对任务结果和任务过程的满意度。

### 研究发现与讨论

实验结果显示，信息的可信度对认知适配和情感适配均具有显著的正面影响，而信息的创造性主要增强情感适配，其对认知适配的影响则取决于任务类型。任务的常规性对信息可信度的适配影响更为显著，而在创意性任务中，信息的创造性对情感适配的影响更为突出。此外，研究还发现，情感适配对任务过程的满意度具有更强的正面影响，而认知适配对任务结果的满意度具有更显著的作用。这些发现支持了双适配理论的核心观点，即用户满意度不仅取决于信息的实用性，还受到情感体验的深刻影响。

### 对研究和实践的启示

本研究对生成式人工智能用户满意度领域的理论和实践都有重要的贡献。首先，它提出了双适配理论，将认知适配和情感适配作为用户满意度形成的关键机制，这有助于更全面地理解用户对人工智能生成内容的反应。其次，研究扩展了传统认知适配理论，将信息价值（如可信度和创造性）纳入其中，从而丰富了对信息适配机制的解释。最后，研究还探讨了任务类型对信息适配的影响，揭示了任务的常规性和享乐性在不同情境下的调节作用，为人工智能服务的设计和优化提供了理论依据。

### 研究的局限性与未来方向

尽管本研究提供了有价值的见解，但也存在一些局限性。首先，研究样本仅来自中国，因此在推广研究结果时需考虑文化因素的影响。其次，研究仅聚焦于ChatGPT这一特定的人工智能服务，这可能限制了研究结果的普遍性。此外，生成式人工智能技术的快速发展使得研究结果的时间适用性受到挑战。未来的研究应进一步探讨文化差异、不同人工智能服务之间的比较，以及技术进步对用户满意度的潜在影响。

综上所述，本研究通过双适配理论框架，深入探讨了生成式人工智能生成内容对用户满意度的影响机制。研究不仅揭示了信息可信度和创造性在不同任务情境下的作用，还提出了任务常规性和享乐性作为关键的调节变量。这些发现为生成式人工智能服务的设计和优化提供了重要的理论支持，同时也为未来的研究方向提供了明确的指导。