情感驱动可持续AI采纳：基于DeepSeek应用早期用户反馈的情绪分析与启示

本研究针对生成式AI（Generative AI）早期采纳中的情感驱动机制，通过VADER情感分析和NRC情绪词典对14,057条应用商店评论进行挖掘。研究发现用户评分与情感极性显著相关（β=0.5020），其中信任（trust）、期待（anticipation）和惊喜（surprise）正向影响情绪，而悲伤（sadness）显著降低满意度。成果为AI产品的信任构建和可持续设计提供实证依据，发表于《Sustainable Futures》。

　　

生成式人工智能（Generative AI）正在重塑教育、医疗和商业领域，但早期用户的情感反应如何影响技术采纳仍不明确。DeepSeek作为新兴AI模型，其用户反馈中蕴含的情绪信号可能成为可持续应用的关键。现有研究多关注技术性能，却忽视情感这一"人性化"维度——当ChatGPT等工具引发伦理争议时，理解用户最原始的情绪驱动显得尤为迫切。

为解开这个黑箱，研究人员对DeepSeek上线初期的14,057条英文应用商店评论展开多维度挖掘。采用VADER（Valence Aware Dictionary and sEntiment Reasoner）进行情感极性分类，结合NRC情绪词典捕捉八种基本情绪（愤怒、恐惧、悲伤、信任、期待、喜悦、厌恶、惊喜），并通过OLS回归模型量化情绪与评分的关联。研究特别设置评分-情感一致性过滤，确保分析结果可靠。

平台差异揭示情感鸿沟
数据显示83.11%评论呈积极情绪，但平台间存在显著差异：Google Play用户平均评分4.36分，情感值0.70，明显高于苹果用户的3.58分和0.31情感值。情绪图谱显示安卓用户更频繁表达喜悦（0.087 vs 0.072）和信任（0.100 vs 0.118），而iOS用户负面情绪如悲伤（0.038 vs 0.019）、愤怒（0.027 vs 0.012）更突出。这种"平台情感分化"现象暗示设备生态可能塑造用户预期和体验。

情绪杠杆撬动用户心智
回归分析揭示四大关键情绪驱动：信任（β=0.0246）和期待（β=0.0166）如同情感"加速器"，显著提升积极评价；惊喜（β=0.0482）作为最强正向预测因子，验证了"超预期体验"的价值。而悲伤（β=-0.0860）则是情绪"刹车片"，其负面影响强度是正面情绪的三倍。值得注意的是，传统认为关键的喜悦（joy）和愤怒（anger）未达显著水平，暗示早期用户更关注AI的可靠性和发展潜力而非即时愉悦。

可持续AI的设计密码
研究提出"情绪优先"设计框架：通过透明度建设增强信任，利用版本预告制造期待，设置"彩蛋功能"触发惊喜，同时建立快速响应机制缓解用户悲伤。在医疗健康领域，这些发现尤其重要——当AI应用于心理咨询或患者教育时，识别悲伤情绪可及时干预潜在风险。

该成果突破传统技术采纳模型，首次将Plutchik情绪轮（Plutchik's Wheel of Emotions）应用于AI评价体系。未来研究可拓展跨文化比较，并开发实时情感监测工具。正如论文结论强调："在算法精度竞赛之外，情感共鸣才是可持续AI的真正护城河。"这项发表于《Sustainable Futures》的研究，为构建有温度的AI生态提供了量化路线图。