健康污名感知如何驱动患者偏好AI聊天机器人？基于O-S-O-R模型的医患交互机制解析

为解决AI医疗聊天机器人偏好机制不明的问题，来自未知机构的研究人员基于O–S–O–R模型开展调查研究，揭示健康污名感知(O1)通过向AI自我披露(S)、情绪效能、隐私担忧及AI信任(O2)的多重中介路径，最终形成对AI聊天机器人偏好的影响机制。该研究为理解人机交互(HCI)中的医疗决策行为提供了新范式。

　　

医疗领域AI聊天机器人(AI chatbots)的崛起正重塑患者就医模式，在提升服务可及性(accessibility)与效率的同时，也引发对伦理边界和隐私安全的深度思考。这项基于刺激-机体-反应(O–S–O–R)理论框架的研究，通过结构方程模型(SEM)揭开了健康污名感知(perceived health stigma)与AI聊天机器人偏好之间的"黑箱"——当患者因疾病遭受社会偏见时(O₁)，会更倾向向无评判的AI系统袒露病情(S环节)，这种自我披露(self-disclosure)既能增强情绪调节能力(emotional self-efficacy)，又可能触发对数据安全的忧虑(AI privacy concerns)。研究显示，对AI的信任度(trust)如同精密的天平：情绪效能是促进信任的砝码，而隐私担忧则是抑制因子，最终信任天平的倾斜方向决定了患者会选择AI聊天机器人还是传统医生。该发现不仅拓展了O–S–O–R模型在人机交互(HCI)领域的应用疆界，更为数字医疗时代医患关系的重构提供了关键路标。