功能性残障人群的生成式人工智能使用行为与失败后认知：一项多方法研究

这篇综述通过两项互补研究探讨了功能性残障人群（PwDs）与生成式人工智能（GenAI）的交互机制。研究1采用遗传算法和贝叶斯线性回归识别出习惯、促销收益、信任和行为意图是影响使用行为的关键因素，并发现感知价值（perceived value）对行为意图与使用行为的关系具有负向调节作用。研究2通过实验设计揭示GenAI失败比人为错误更显著降低推断性信任（inferential judgment），但用户态度和使用行为能缓冲这种效应。研究整合了UTAUT2（技术接受统一理论）、BRT（行为推理理论）和SMD（社会残障模型），为包容性技术创新提供了理论和实践启示。

　　

引言

全球约15%人口患有不同程度的功能性残障，而生成式人工智能（GenAI）因其多模态能力（如翻译、视觉识别）被视为改善残障人群数字包容性的关键工具。然而现有研究多将残障群体视为被动使用者，且鲜少探讨其对GenAI失败的认知差异。本研究通过两项互补研究填补这一空白，结合UTAUT2、BRT（行为推理理论）和SMD（社会残障模型）框架，揭示残障群体在GenAI使用中的主动性与认知机制。

假设开发

习惯的驱动作用：基于UTAUT2，习惯（HABI_SCALE）通过自动化行为序列降低使用门槛，尤其对面临结构性障碍的残障用户至关重要。例如，轮椅使用者通过重复操作形成肌肉记忆，这一机制可迁移至数字场景（Dzogbewu et al., 2024）。

促销收益与信任：促销活动（PROM_BEN）如免费试用或折扣能直接提升使用行为，而信任（PERC_TRUST）则通过降低不确定性强化采纳意愿。值得注意的是，残障用户对信任的阈值更高，因其常遭遇技术排斥（Darcy et al., 2019）。

行为意图与感知价值的悖论：尽管行为意图（BEHA_INT）正向预测使用，但感知价值（PERC_VAL）的调节作用呈现反直觉结果：高感知价值可能因期待过高而削弱意图转化，凸显残障用户对技术落差的敏感（Belanche et al., 2024）。

研究方法

研究1：

• •

  样本：284名欧洲残障人士（52.1%行动障碍，34.5%视觉障碍），通过Prolific平台收集数据。

• •

  分析：遗传算法筛选变量后，贝叶斯回归显示习惯（β=0.154）、促销收益（β=0.258）、信任（β=0.122）和行为意图（β=0.208）均显著（后验概率>99%）。IPWRA分析进一步验证感知价值的负向调节（β=?0.073）。

研究2：

• •

  实验设计：231名参与者随机阅读GenAI或人工官员导致服务失败的新闻稿。

• •

  结果：GenAI失败组推断性信任评分（M=2.51）显著低于人工组（M=4.09）。态度（ATIA）和使用行为（USE_BEHA）的调节效应通过Johnson-Neyman技术确认：当ATIA>2.62或USE_BEHA>3.62时，负面效应减弱。

讨论与启示

理论贡献：

1. 1.

   主动用户范式：残障群体通过习惯构建和使用策略（如语音助手适应性操作）展现技术自主性，挑战被动用户刻板印象。

2. 2.

   感知价值的双刃剑效应：高期待可能加剧“采用障碍”，需通过渐进式功能设计（如“基础模式”）平衡预期（Mehta et al., 2022）。

3. 3.

   失败归因的差异性：与Longoni et al.（2023）的“算法溢出效应”相反，残障用户更依赖经验而非泛化判断，体现SMD强调的环境交互性。

实践建议：

• •

  设计：嵌入实时辅助（如语音引导）和透明错误提示（如“系统局限性说明”）。

• •

  政策：推动GenAI无障碍认证，要求公共系统披露数据偏见审计结果。

• •

  营销：通过残障用户真实案例展示技术容错性，例如盲人用户克服语音识别失败的叙事（Hemsley et al., 2024）。

局限与展望

当前研究聚焦感官与行动障碍，未来需纳入神经多样性群体（如自闭症）。纵向追踪真实场景中的模糊性失败（如多责任方错误）亦为关键方向。