《Proceedings of the Human Factors and Ergonomics Society Annual Meeting》：Leader-Follower Hierarchical Role Effects on Individual and Shared Trust in Mixed Human-AI Teams
编辑推荐：
人机团队（Human-AI Teams, HATs）正日益演进为复杂的中多人—多智能体结构，包括具有层级领导和角色问责的结构。传统上，人类主要占据领导岗位，指导并监督自主智能体。然而，新兴HAT情境现已允许人类在团队内承担更广泛的层级角色，包括领导者和追随者位
人机团队（Human-AI Teams, HATs）正日益演进为复杂的中多人—多智能体结构，包括具有层级领导和角色问责的结构。传统上，人类主要占据领导岗位，指导并监督自主智能体。然而，新兴HAT情境现已允许人类在团队内承担更广泛的层级角色，包括领导者和追随者位置。尽管存在这些发展，关于非二元HAT的实证研究仍然有限，致使复杂团队结构中信任与团队协作的重要问题在很大程度上未被探索。本研究考察层级角色如何差异性地塑造对AI队友的信任（trust in AI teammates）以及对整个团队的信任（trust in the team），以及基于角色的信任分歧（trust divergence）如何与整体团队结果相关联。研究发现，信任因信任者（trustor）的角色而显著变化，然而共享信任（shared trust）以及团队成员间信任分歧的降低对更好的团队绩效至关重要。因此，支持共享团队认知（shared team cognition）并减轻信任分歧十分重要。
研究背景与问题：随着AI技术发展，人机团队（Human-AI Teams, HATs）由简单二元互动转向多智能体复杂结构。传统HAT中人类多处于领导角色，指导并监督自主智能体；新兴情境允许人类在团队中承担领导者或追随者等更广泛层级角色。先前人类团队与组织研究提示，不同层级角色因信息获取与责任不同，可能对队友及团队整体形成不同认知与信任。在HAT中，人类领导者与人类追随者可能对自主队友和团队整体产生不同信任水平；信任影响协调、依赖与团队过程理解，人类成员间信任分歧（trust divergence）过大可能妨碍协作。人类团队研究亦提示信任一致性是团队绩效的重要指标。然而，层级非二元HAT研究有限，人类领导者与追随者是否及如何差异性地感知AI队友和团队整体、这些差异如何影响团队绩效仍不清楚。故研究人员开展本研究，考察层级角色如何差异影响对AI的信任与对团队整体的信任，以及基于角色的信任分歧如何影响团队结果，以指导共享信任发展与协调策略设计。
研究开展、结论与意义：研究人员开展实验室研究，构建由1名人类领导者、1名人类追随者（follower）和2名AI追随者组成的2H-2A层级混合HAT（两名人类—两名智能体，2 human-2 agent, 2H-2A），操纵AI追随者的能力与正直性（integrity），测量个体信任、团队信任、信任分歧和任务完成时间。结论显示，信任因信任者角色显著变化；人类领导者对低正直性更敏感，人类追随者更关注整体绩效；共享信任及降低两名人类间信任分歧对团队绩效至关重要，信任分歧越大任务完成时间越长。意义在于为HAT中支持共享团队认知、减轻信任分歧、促进协调与共享信任发展的设计策略提供实证依据。
方法概述：研究人员开展实验室研究，样本为36个2人团队（平均年龄23.1±2.9岁；每团队随机指定1名人类领导者与1名人类追随者，并配对2个AI追随者；经机构审查委员会批准并取得知情同意）。采用Blocks World for Teams（BW4T）测试平台，团队在16个房间搜索并按序交付10个彩色方块，采用轮毂—轮辐式（hub-and-wheel）文本聊天。AI追随者按能力（记忆K）与正直性（依从性i）两水平配置，形成高能力—高正直性（high ability-high integrity, HA-HI）、高能力—低正直性（high ability-low integrity, HA-LI）和低能力—高正直性（low ability-high integrity, LA-HI）三类及六种配对条件，每条件5试次。测量每试次后0—100多参照信任、ABI模型（ABI-model）信任问卷操纵检查、任务完成时间，并以欧几里得距离（Euclidean distance）/绝对差计算团队信任分歧。分析采用线性混合效应分析（linear mixed-effects analyses）与重复测量相关（repeated-measures correlation analyses）。
研究结果：
Hierarchical Role Effect on Trust in AI Teammates and Trust in Team：通过线性混合效应分析（以角色、AI类型/配对条件及交互为固定效应，参与者嵌套于团队为随机效应）发现，对AI队友信任中AI类型效应显著（F(2,4244)=418.231, p<.001），对团队信任中配对条件效应显著（F(5,2078)=79.158, p<.001），且均与层级角色存在显著交互（对AI队友信任：F(2,4244)=22.680, p<.001；对团队信任：F(5,2078)=5.487, p<.001），说明信任随角色而异。Tukey校正事后简单效应显示：领导者对低正直性更敏感，对HA-LI代理的信任低于LA-HI（66.4±20.4 vs 72.7±19.6），追随者未显著区分两类（p=.201）；追随者对HA-LI的信任高于领导者但p=.069；团队信任上，当两名AI均为HA-LI时追随者显著高于领导者（p=.021）。结论：层级角色差异塑造对AI队友与团队整体的信任，领导者与追随者的团队信任并不总一致。
Role-Based Trust Divergence And Performance：通过以配对条件为固定效应、团队ID为随机效应的线性混合效应分析，Div
AI（对两名AI追随者信任的欧几里得距离）与Div
team（对团队信任的绝对差）均受配对条件显著影响（Div
AI: F(5,1039)=18.692, p<.001；Div
team: F(5,1039)=11.843），最高分歧见于两名AI均为HA-LI。重复测量相关显示，Div
AI（r
rm=0.251, p<.001）和Div
team（r
rm=0.192, p<.001）均与任务完成时间正相关，即分歧越大完成越慢。以分歧预测绩效的模型显示，Div
AI（b=0.34, SE
b=0.05, t=6.42, p<.001, 95% CI [0.24,0.45]）和Div
team（b=0.24, SE
b=0.11, t=2.22, p=.027, 95% CI [0.02,0.45]）均显著预测任务完成时间。结论：信任分歧与团队绩效相关并可预测绩效，降低分歧有利。
讨论部分总结：Hierarchical Role Effects on Individual Trust指出层级角色总体效应与先前团队研究一致，角色与责任塑造期望和评价标准；领导者更重正直性，追随者更重可观察任务贡献，可能因追随者执行搜索—交付任务时认知与时间需求较高，AI表现原因不如其任务贡献显著；这些发现可能依赖任务特征，在准确性、协调或可靠性比速度更重要的任务中，代理属性评价可能更突出。Importance of Trust Alignment Among Different Roles采用多层方法发现人类间信任分歧越小任务完成越快，提示信任趋同有助协调，并与共享心智模型（shared mental models）研究一致；可通过让人类成员在任务前后分享对代理队友和团队过程的感知来校准期望、减少分歧。Limitations and Future Research Directions提示研究仅考察单一2H-2A轮毂—轮辐结构；任务存在信息不对称；人类行为未实验操纵；未纳入信任倾向与完美自动化图式（perfect automation schema）等个体差异；未来需探索更多团队构成、信息不对称水平、Wizard-of-Oz操纵人类行为及个体差异。
研究结论（译）：本研究考察了层级领导者—追随者角色如何塑造HATs中的信任形成，在此情境中人类占据不同权威位置并与多个AI追随者协作。结果提示，对AI队友的信任和对团队的信任因角色而异：人类领导者对低正直性更敏感，而人类追随者更关注整体绩效。此外，两名人类之间信任分歧的降低与团队有效性提高相关。
