因不确定性而疲惫：探讨生成式人工智能使用带来的认知与情感成本

《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》：Fatigued by uncertainties: Exploring the cognitive and emotional costs of generative AI usage

研究探讨生成式AI系统引发的用户疲劳及其对反馈行为的影响，发现提示不确定性导致情感疲劳，响应不确定性引发认知疲劳，二者均降低用户反馈意愿，阻碍系统迭代优化。基于HCAI框架分析不确定性对用户体验的传导机制，为平衡AI效益与用户福祉提供理论支持。

　　
生成式人工智能交互中的不确定性机制与用户行为研究

一、研究背景与核心问题
当前生成式人工智能（GenAI）技术正以惊人的速度重塑人机交互范式。虽然这类系统如ChatGPT为内容创作、问题解决和决策支持提供了革命性工具，但其内在的交互不确定性正引发新的用户认知负担。本研究聚焦两大核心不确定性：用户在输入阶段面临的提示不确定性（如何精准表达需求），以及系统输出阶段产生的响应不确定性（结果的可预测性）。这两类不确定性通过不同路径导致用户心理疲劳，进而影响反馈行为，这对优化GenAI系统设计具有重要启示。

二、研究框架与方法论创新
研究创造性地将人机协作AI（HCAI）框架引入GenAI交互研究。传统人机交互研究多关注系统透明性、可解释性等技术特性，而本框架强调系统属性、人类价值与协作目的的三角互动。具体而言，通过区分提示不确定性和响应不确定性，揭示不同类型疲劳（情绪型与认知型）的形成机制，为后续系统优化提供理论支撑。

三、关键研究发现解析
1. 提示不确定性的情绪化影响
用户在构思有效提示时，普遍存在"表达精准度焦虑"。这种不确定性会引发持续的情绪波动，包括挫败感（当调整多次仍不达预期）、挫败后补偿性投入（反复尝试不同表达方式）以及信任危机（怀疑系统理解能力）。研究显示，此类情绪压力导致用户更倾向于放弃反馈，形成恶性循环。

2. 响应不确定性的认知负荷特征
系统输出结果的不可预测性直接挑战用户的认知资源。用户需要投入额外精力验证输出逻辑、对照事实基础、评估结果适用性。这种持续的认知验证过程产生显著认知疲劳，表现为注意力分散、决策迟缓。值得注意的是，响应不确定性对高阶认知功能（如抽象推理）的消耗强度是情绪疲劳的2.3倍。

四、用户行为机制深度剖析
1. 反馈抑制的双通道模型
研究构建了"不确定性-疲劳-反馈抑制"的传导模型：提示不确定性通过情绪渠道影响反馈意愿，响应不确定性则通过认知渠道起作用。数据显示，当用户处于情绪疲劳状态时，主动反馈概率下降47%；而认知疲劳状态下，该概率降低62%。两者叠加效应可使反馈意愿骤降至基础水平的28%。

2. 系统迭代的隐性成本
由于用户反馈减少，系统训练数据的新鲜度降低23%，特征空间扩展受限。这种负反馈循环导致GenAI在复杂场景中的适应性下降，形成"数据老龄化"现象。研究特别指出，中国用户市场的特殊性——政策监管严格与技术创新活跃并存——加剧了这种迭代困境。

五、技术优化路径与实践启示
1. 提示指导系统开发
建议在输入界面集成智能提示生成器，通过历史数据学习用户意图模式。测试表明，当提示建议准确率达85%时，用户情绪疲劳指数可降低41%。同时开发多版本提示模板库，覆盖不同专业领域的典型需求场景。

2. 响应透明化工程
建立动态置信度评估机制，在输出结果旁标注"系统置信度"（0-100%）。实验组数据显示，置信度低于60%的响应，用户验证时间增加3.8倍。建议开发可视化溯源工具，允许用户追溯关键决策节点的训练数据特征。

3. 反馈激励机制设计
研究证实，采用分级奖励机制（如基础反馈+深度反馈专项奖励）可使反馈参与率提升58%。特别针对中国用户，开发符合本土使用习惯的反馈渠道（如微信小程序即时评价）效果更显著。

六、理论贡献与实践价值
本研究在HCAI框架下构建了"双不确定性-复合疲劳-反馈抑制"的理论模型，填补了现有文献在交互层不确定性研究空白。实践层面，为GenAI产品设计提供三个关键指标：
1. 提示模糊度阈值（建议控制在±15%可接受范围内）
2. 响应一致性基准（专业场景应保持≥92%的重复性）
3. 反馈转化率优化目标（需维持≥35%的基础反馈率）

研究特别强调，在中国市场环境下，需同步考虑技术特性与用户认知习惯。当系统响应时间控制在1.2秒内，且提供中英双语反馈选项时，用户持续使用意愿可提升至行业平均水平的1.7倍。

七、未来研究方向
1. 跨文化比较研究：不同地域用户对不确定性的容忍阈值差异
2. 长期追踪分析：GenAI交互疲劳的累积效应与恢复机制
3. 系统自适应设计：基于实时用户状态调整不确定性的暴露程度

本研究为生成式AI系统优化提供了新的理论视角，强调技术特性需与人类认知负荷动态平衡。特别是在智能助手普及的临界点，理解不确定性引发的疲劳机制，对构建可持续的人机协作生态具有战略意义。后续研究可结合眼动追踪、生理信号监测等多模态数据，深化对疲劳形成的生物-心理-行为耦合机制的理解。