AI辅助虚拟焦点小组摘要的信任机制：人类监督与透明度对参与者感知的影响研究

本研究探讨了AI辅助摘要技术在虚拟焦点小组(VFG)中的应用，通过混合方法(ANOVA和AI辅助主题分析)比较了有人类监督和无监督条件下参与者对AI摘要的接受度。研究发现AI摘要(无论是否有人类监督)均获积极评价，但参与者对VFG应用的满意度未因AI摘要产生显著差异。定性分析揭示了参与者对AI效率的认可与对准确性、真实性的担忧并存，证实透明度是建立信任的关键。该研究为AI在情感敏感型沟通场景中的信任校准提供了重要见解，对优化质性研究流程中AI整合具有实践指导意义。

　　

随着生成式人工智能(GAI)和大型语言模型(LLM)的快速发展，AI在人类数据收集任务中的应用潜力日益凸显。虚拟焦点小组(VFG)作为探究复杂社会问题的质性研究方法，其讨论过程中的实时摘要对维持对话焦点至关重要。然而，AI系统在情感敏感型沟通场景中的应用面临关键挑战：用户既可能因轻微错误产生算法厌恶(algorithmic aversion)，也可能表现出算法欣赏(algorithmic appreciation)。这种信任困境在LLM生成具有人类叙事连贯性的摘要时尤为突出，亟需探究人类监督和透明度如何影响参与者对AI摘要的感知。

为回答这一问题，研究团队在《Computers in Human Behavior: Artificial Humans》发表论文，采用混合方法设计。Study 1通过Zoom开展真实VFG讨论获取刺激材料，主题为虚拟意见领袖(VI)的公众认知；Study 2采用三组在线实验设计(对照组、无监督AI摘要组、人类监督AI摘要组)，收集326名参与者的定量与定性数据。关键技术包括：1)基于BERT模型的语义相似度分析评估开放式回答与主题描述的相关性；2)VADER情感分析量化文本情绪倾向；3)ANOVA比较组间差异；4)数字孪生框架解释AI作为参与者声音的"数字代理"角色。

5.1 定量分析结果

ANOVA显示两组AI摘要条件均显著提升参与者对AI应用的正面评价(F=26.14,p<.001)，但人类监督组与无监督组无显著差异(p=.751)。满意度测量显示三组间无统计学差异(F=0.25,p=.778)，表明AI摘要未损害VFG体验。

5.2 定性分析结果

VADER分析发现Q4(关注问题)情绪最负面。AI辅助主题分析保留7个主题：1)AI效率受认可但准确性受质疑；2)人类互动可能被削弱；3)摘要简洁性受好评；4)对AI理解人类情感的怀疑。值得注意的是，人类监督组对准确性的担忧反而最突出，可能反映更高预期。

6.1 理论意义

研究验证了"能力-个性化"框架在低个性化需求场景的适用性，发现透明度本身足以建立信任，挑战了人类监督必需的传统认知。AI厌恶与欣赏的共存现象，为数字孪生理论提供了新证据——参与者将AI摘要视为具有"人格"的沟通伙伴而产生矛盾态度。

6.2 管理启示

为VFG平台设计提出具体方案：1)默认启用AI参与披露；2)将AI定位为辅助工具而非替代品；3)根据讨论敏感度动态调整人类监督级别。这种灵活架构既可减轻主持人认知负荷，又能保持质性研究的人文特质。

该研究的创新性在于首次系统评估VFG场景中AI摘要的信任形成机制，其发现对拓展AI在选举预测、公共卫生等敏感领域的应用具有方法论意义。未来研究需在真实交互环境中验证行为指标，并考察不同文化背景下的信任校准差异。随着解释性AI(Explainable AI)技术的发展，构建"透明且可审计"的摘要系统将成为平衡效率与伦理的关键。