人格特质如何影响Z世代设计师对付费AI绘图工具的订阅意愿？基于SEM与FsQCA的跨学科研究

本研究创新性地整合大五人格模型(BFP)、技术接受模型(TAM)和感知风险理论(PRT)，通过结构方程模型(SEM)和模糊集定性比较分析(fsQCA)方法，系统探究了Z世代设计师人格特质对付费AI绘图工具订阅意愿(WPS)的影响机制。研究发现开放性(OPE)和外倾性(EXT)通过提升感知易用性(PEU)降低感知风险(PR)促进订阅，而神经质(NEU)则产生负面影响，研究为AI工具开发的市场细分和教育培训提供重要依据。

　　

随着人工智能技术的迅猛发展，AI绘图工具如MidJourney和Leonardo AI正深刻改变设计行业的创作方式。这些工具通过文本到图像的生成技术，为设计师提供了前所未有的创作自由和效率提升。然而，付费订阅模式的推广面临重大挑战：设计师对AI工具的接受度存在显著差异，部分因技术复杂性和学习成本持谨慎态度；同时，作为高度依赖创造力的专业群体，设计师的人格特质可能在其技术采纳决策中起关键作用。Z世代设计师作为"数字原住民"，其独特的科技接受行为与人格特征的交互机制尚未得到系统研究。

江原国立大学全球融合学部的Ning Ding、Maowei Chen和Liling Hu在《Scientific Reports》发表研究，首次整合大五人格模型(Big Five Personality, BFP)、技术接受模型(Technology Acceptance Model, TAM)和感知风险理论(Perceived Risk Theory, PRT)，通过结构方程模型(Structural Equation Modeling, SEM)和模糊集定性比较分析(fuzzy-set Qualitative Comparative Analysis, fsQCA)方法，对477名Z世代设计师进行实证分析，揭示了人格特质影响付费AI绘图工具订阅意愿(Willingness to Pay for Subscription, WPS)的复杂机制。

研究采用问卷调查法收集数据，通过Discord平台定向招募18-29岁有付费AI工具使用经验的设计师。测量工具包含9个构念33个题项，均采用5点李克特量表。数据分析阶段运用协方差结构方程模型(CB-SEM)验证假设关系，通过PROCESS宏进行中介效应检验，并采用fsQCA 3.0软件探索人格特质的组合效应。研究通过Harman单因素检验控制共同方法偏差，各项信效度指标均达到标准。

研究结果部分首先通过SEM分析验证了人格特质对中介变量的差异化影响：开放性和外倾性显著提升感知易用性，外倾性、宜人性和神经质分别对感知有用性产生正向和负向影响；开放性和外倾性降低感知风险，神经质则增加风险感知。在直接影响方面，开放性和外倾性促进订阅意愿，神经质产生抑制作用，而责任心和宜人性影响不显著。中介分析显示感知易用性、感知有用性和感知风险在多数路径中起显著中介作用。

fsQCA分析则揭示了四种导致高订阅意愿的人格特质组合模式：低神经质作为核心条件的路径覆盖率达90.4%；高宜人性独立构成解决方案；开放性与责任心、外倾性与责任心的特定组合也显示出高解释力。这些发现与SEM结果形成互补，特别是宜人性和责任心在组合效应中的重要性在传统回归分析中未能显现。

在讨论与结论部分，研究强调了三方面理论贡献：首次系统探索设计师人格特质对AI工具接受行为的影响，填补了特定人群技术采纳研究的空白；构建整合BFP、TAM和PRT的理论框架，验证了感知因素的中介作用；方法学上通过SEM与fsQCA的混合方法，揭示了人格特质的非线性组合效应。实践层面，研究建议开发者针对不同人格特征用户实施差异化策略：对高开放性和外倾性用户突出产品创新性，对高神经质用户提供风险保障，教育机构则可基于人格特征优化AI工具培训方案。

该研究的局限性包括样本限于Z世代设计师，未来可扩展至其他年龄段；采用横截面设计，建议后续加入纵向追踪；未充分考虑AI工具的伦理风险等情境因素。后续研究可结合多模态数据分析技术，如基于注意力机制的CNN-BiLSTM模型，更精准地识别用户特征，为个性化服务提供支持。这项研究为理解人格特质与技术接受行为的复杂关系提供了新视角，对推动AI在设计领域的应用具有重要指导价值。