儿童智能陪伴机器人持续使用意愿的驱动机制与组态路径：基于ECM-VAM整合框架的BERTopic-PLS-SEM-fsQCA序贯多方法研究

《Scientific Reports》：A study on user continuance intention for children’s intelligent companion robots based on BERTopic-PLS-SEM-fsQCA

　　

摘要

儿童智能陪伴机器人市场面临行业性的"高初始采纳率、低持续留存率"难题。现有研究主要依赖单一方法，对用户持续使用意愿背后的心理机制与组态路径尚缺乏充分理解。本研究构建了"BERTopic主题挖掘—PLS-SEM线性验证—fsQCA组态分析"的序贯多方法研究框架，整合期望确认模型（ECM）与价值型采纳模型（VAM）形成综合性理论框架。研究数据来源为京东平台的6,405条有效在线评论及440份有效问卷。BERTopic主题挖掘从消费者评论中识别出六个核心需求维度：感知有用性、感知愉悦性、视觉美学、社会/礼品价值、技术可靠性和期望确认。PLS-SEM分析表明，满意度是持续使用意愿最强的预测变量（β = 0.705，p < 0.001），可解释其50.3%的变异（R2 = 0.503）。感知价值（R2 = 0.571）由期望确认（β = 0.230）、感知有用性（β = 0.197）、技术可靠性（β = 0.163）、社会/礼品价值（β = 0.141）、视觉美学（β = 0.106）及感知愉悦性（β = 0.104）共同驱动。值得注意的是，感知愉悦性表现出独特的双路径机制——既通过感知价值间接影响持续使用意愿，又通过满意度直接发挥作用（β = 0.232，p < 0.001）。进一步的fsQCA组态分析识别出四种高持续使用意愿的配置（整体解的一致性率为0.811，覆盖率为0.469），依据其理论一致性可归纳为三种更广泛的模式：以"期望确认为主导"的模式（配置1和配置2，一致性率分别为0.855和0.839）、"全维度属性驱动"模式（配置3，一致性率为0.814）以及"社会-享乐补偿"模式（配置4，一致性率为0.836），表明不同细分群体的持续使用意愿逻辑存在显著异质性。在理论层面，本研究将ECM-VAM框架拓展至儿童具身智能产品情境，引入视觉美学与技术可靠性作为感知价值的情境化前因变量，证明了非结构化在线评论文本可作为理论构念情境化操作化的有效数据来源，并通过组态视角对传统净效应模型的线性假设进行了修正与完善。