对话代理模态与慈善行为意图：沟通风格与拟人化感知的双重机制研究

本研究针对非营利组织(NPO)募捐中对话代理(CA)的模态(语音vs文本)和沟通风格(正式vs非正式)如何影响用户慈善行为意图(CBI)展开实验。发现正式语音CA通过无意识拟人化(MLA)提升捐赠意愿，而非正式文本CA则通过有意识拟人化(MFA)更有效。研究为CA设计提供模态特异性策略，拓展了媒体作为社会行动者(MASA)理论在道德决策中的应用。

　　

随着人工智能技术的快速发展，对话代理(Conversational Agents, CAs)在非营利组织(NPO)募捐和志愿者招募中的应用日益广泛。然而，现有研究主要关注文本型CA的设计特征，对语音型CA的潜在优势缺乏系统探讨。更关键的是，不同模态CA如何通过拟人化机制影响用户的道德决策，以及沟通风格在其中的调节作用，仍是未解之谜。这项发表在《International Journal of Human-Computer Studies》的研究，首次系统比较了语音与文本模态CA在激发慈善行为意图(Charitable Behavioral Intentions, CBI)方面的差异，并揭示了无意识拟人化(Mindless Anthropomorphism, MLA)和有意识拟人化(Mindful Anthropomorphism, MFA)的双重中介机制。

研究采用2×2组间设计，通过Amazon Lex和Google Dialogflow构建实验系统，收集564名参与者的交互数据。关键发现显示：当使用正式沟通风格时，语音CA通过MLA显著提升CBI；而使用非正式风格时，文本CA通过MFA表现更优。这种"模态-风格"匹配效应挑战了现有CA设计范式，特别是揭示了语音CA中使用非正式语言会触发"语言恐怖谷效应"，导致MLA和CBI显著降低。

在研究方法上，团队首先通过预实验确定"未来食品技术"作为目标慈善领域，随后采用PROCESS模型7分析调节中介效应。测量工具包括Kim & Sundar(2012)的MLA量表和Powers & Kiesler(2006)的MFA量表，均显示出良好信度(α>.89)。通过严格控制对话脚本和排除无效样本，确保了实验的内部效度。

研究结果呈现多重发现：1）在正式沟通条件下，语音CA比文本CA引发更高MLA(B=.321,p=.028)和CBI(M=3.72vs3.10)；2）非正式文本CA比语音CA产生更高MFA(B=-1.293,p<.001)和CBI(M=3.54vs3.06)；3）MLA显著预测CBI(B=.425,p<.001)，而MFA无显著影响。这些发现支持了媒体作为社会行动者(Media Are Social Actors, MASA)范式，表明高质量线索（如正式语音）更易触发MLA驱动的自动响应。

讨论部分深入阐释了理论贡献：首先，将拟人化研究从单维拓展到MLA/MFA双重维度，证实MLA在道德决策中的主导作用；其次，发现语音模态作为次级线索的局限性，需结合正式风格才能发挥最大效用；最后，提出"模态特异性设计"原则，指出文本CA适合非正式风格而语音CA适合正式风格。这些发现为NPO的CA部署提供了重要指导，特别是提醒避免在语音CA中使用非正式语言导致的"恐怖谷效应"。

该研究的创新性在于：首次系统比较CA模态对慈善行为的影响机制，填补了MASA理论在道德决策场景的应用空白；采用对话日志分析等创新方法，增强了研究生态效度。未来研究可探索多模态整合设计，并扩大慈善领域样本以提高外部效度。这些发现不仅推动人机交互理论发展，也为AI伦理设计提供了实证依据。