人机-AI法律决策情境中AI参与程度与责任归因：心理所有权与控制感的关联

《Frontiers in Psychology》：AI involvement scenarios and perceived responsibility attribution in a human–AI legal decision vignette: associations with psychological ownership and sense of control

　　

背景：人工智能（AI）正日益被用于包括法律与行政裁判在内的重大决策中。当AI辅助决策产生不利结果时，观察者可能难以判断应如何在人类与AI行为主体之间分配责任。目的：本随机情境实验考察了三种打包式AI辅助法律决策情境下的感知责任归因。这些情境共同改变了AI功能、人类决策权威与干预机会。研究者在情境呈现后考察了心理所有权（psychological ownership）与感知控制（perceived control）作为与责任判断相关的近情境感知。方法：共300名成人被保留用于分析（每种条件100人）。每位参与者阅读一个描述已完成法律决策的情境，并在不利结果后评估虚构人类审核者与AI系统的感知责任。参与者未作出量刑决策，也未与运行中的AI系统互动。随机分组对比为主要比较。次级探索性中介模型使用两个指示变量，以低AI情境为参照；情境后AI信任被排除在主要探索性设定之外。平行模型与反序模型作为敏感性分析加以考察。结果：操纵检验在不同条件间存在差异，F(2, 297) = 1065.77，p < 0.001，η² = 0.878。感知人类责任从低AI到中等AI再到高AI情境逐级下降，而感知AI责任则上升。感知人类责任的随机平均差异为?1.12（中等对低）与?1.69（高对低）。探索性间接关联经心理所有权（B = ?0.385与?0.713）、感知控制（B = ?0.146与?0.168）以及所提出的所有权至控制序列（B = ?0.190与?0.353）分别为负；相应置信区间见结果部分。间接效应区间采用delta法近似计算。结论：随机情境比较显示感知责任归因存在差异。由于各情境共同改变了多个特征，这些发现无法分离AI功能、人类权威或干预机会的因果效应。所有权与控制感评分部分反映了情境所提供的信息，因此无法确立独立的因果中介机制或其时间顺序。

研究背景：人工智能（AI）正日益通过组织证据、生成建议和呈现选项来支持专业决策。在法律与行政情境中，当决策导致不利结果时，这种支持引发了观察者如何分配责任的问题。感知责任不能仅归结为因果贡献，判断还可能反映行为主体的权威、可预见后果、义务与预防错误的机会。当AI准备建议而由人类确认时，观察者对人类角色的解读可能存在差异。以往研究已涉及人机互动中的责任归因，包括自主性与透明度的作用，以及自我-AI与他人-AI安排中的责任判断等。本研究针对一个更窄的问题：观察者在阅读三种配置下呈现的一个不利法律决策情境后如何分配责任。每种配置共同改变了AI能力、人类权威与干预机会，因此研究识别的是所实施情境包之间的差异，而非任何单一特征的独立因果效应。主要结果为对情境中虚构人类审核者的感知责任归因。心理所有权指行为主体与目标、过程或结果之间的感知联系；感知控制则涉及行为主体影响、预防、纠正或改变决策的能力。由于情境描述与所有权、控制条目存在语义重叠，这些评分应被视为情境后、近情境感知而非独立操纵的心理过程。

研究方法：本研究采用随机被试间情境设计，设置三种条件，分别描述低、中、高AI参与程度在一个已完成法律决策中的作用。分析样本为300名成人（每种条件100人），年龄18–35岁（M = 24.47，SD = 3.43），其中男性143名、女性157名，多数具有本科及以上教育。参与者为非法律决策专家，从研究所在城市的成人中本地招募，包括大学相关人员及其他成年居民。样本量计算针对三组方差分析的总体效应，取Cohen's f = 0.25、α = 0.05、80%功效，估计最低约需157名参与者；招募目标为300份合格完整回答。招募与初步筛选中接触318份候选记录，18份未保留，最终分析300份。参与者阅读虚构法律决策情境后，回答一道指导性注意项与两道理解题，随后评估感知责任、心理所有权、感知控制与AI信任。所有构念采用7点同意量表（1 = 非常不同意；7 = 非常同意），以条目均值形成复合分数。操纵检验包含三个评估感知AI参与的条目（Cronbach's α = 0.961）。心理所有权采用五个情境适配条目（α = 0.944），感知控制采用六个研究适配条目（α = 0.956），感知人类责任归因采用五个研究特定条目（α = 0.949），AI责任归因采用平行五条目指数（α = 0.962），AI信任采用四个研究特定条目（α = 0.879）。统计分析使用IBM SPSS Statistics 26.0，包括描述统计、组间比较、信度估计、计划对比与探索性中介模型。操纵检验因均值Levene检验提示方差不齐（W = 3.14，p = 0.045）采用Games–Howell两两比较，其他结果在方差齐性支持下采用Tukey HSD。总体效应量以η²报告。三种情境以低AI为参照编码为两个指示变量。间接效应区间为基于乘积项标准误的delta法正态近似，而非bootstrap百分位或偏差校正区间。探索性间接关联模型中，D1比较中等与低AI，D2比较高与低AI；平行与反序设定作为探索性敏感性分析。

研究结果：（1）随机化检验与描述信息：300名保留参与者在年龄、性别、教育或AI使用经验上无统计学显著差异。心理所有权与感知控制强相关（r = 0.808），两量表内部一致性高（α = 0.944与0.956），支持条目集的一致评分，但不能独立确立判别效度或时间顺序。（2）操纵检验：感知AI参与从低情境（M = 2.74，SD = 0.58）到中等情境（M = 4.73，SD = 0.54）再到高情境（M = 6.17，SD = 0.45）递增，F(2, 297) = 1065.77，p < 0.001，η² = 0.878；Games–Howell事后比较均显著。（3）AI参与对心理与责任变量的效应：各组在心理所有权（F(2, 297) = 174.40，p < 0.001，η² = 0.540）与感知控制（F(2, 297) = 147.07，p < 0.001，η² = 0.498）上存在差异。感知人类责任在低AI最高（M = 5.56，SD = 0.84）、中等AI较低（M = 4.44，SD = 0.92）、高AI最低（M = 3.87，SD = 0.91），F(2, 297) = 93.32，p < 0.001，η² = 0.386；感知AI责任递增（M = 1.99、3.22、4.76），F(2, 297) = 383.40，p < 0.001，η² = 0.721。感知人类责任的随机平均差异为中等对低?1.12、高对低?1.69。人类责任结果在Welch方差分析与Kruskal–Wallis检验下仍显著。（4）相关分析：有序AI参与编码与操纵检验评分及感知AI责任正相关，与所有权、控制及感知人类责任负相关；所有权与控制强相关（r = 0.808）。（5）探索性分类中介分析：以低AI为参照，中等情境所有权较低（B = ?0.960，SE = 0.095，95% CI [?1.147, ?0.773]，p < 0.001），高情境更低（B = ?1.780，SE = 0.095，95% CI [?1.967, ?1.593]，p < 0.001），所有权方程R² = 0.542。控制方程中所有权与控制相关（B = 0.666，SE = 0.050，95% CI [0.567, 0.765]，p < 0.001）；纳入所有权后，中等对低（B = ?0.491，SE = 0.095，95% CI [?0.679, ?0.303]，p < 0.001）与高对低（B = ?0.565，SE = 0.121，95% CI [?0.804, ?0.326]，p < 0.001）对比仍为负，R² = 0.684。责任方程中所有权（B = 0.401，SE = 0.084，95% CI [0.235, 0.567]，p < 0.001）与控制（B = 0.298，SE = 0.077，95% CI [0.146, 0.450]，p < 0.001）与人类责任评分相关；条件直接路径为中等对低B = ?0.399（SE = 0.132，95% CI [?0.660, ?0.138]，p = 0.003）、高对低B = ?0.456（SE = 0.167，95% CI [?0.785, ?0.126]，p = 0.007），R² = 0.537；随机总组对比分别为?1.120（95% CI [?1.367, ?0.873]）与?1.690（95% CI [?1.937, ?1.443]）。探索性间接关联：中等对低经心理所有权B = ?0.385（95% CI [?0.560, ?0.209]，p < 0.001）、经感知控制特异性B = ?0.146（95% CI [?0.239, ?0.053]，p = 0.002）、经所有权至控制序列B = ?0.190（95% CI [?0.298, ?0.083]，p < 0.001）；高对低相应为?0.713（95% CI [?1.017, ?0.410]，p < 0.001）、?0.168（95% CI [?0.279, ?0.057]，p = 0.003）、?0.353（95% CI [?0.544, ?0.162]，p < 0.001）。（6）探索性敏感性与次级分析：有序编码模型中，未调整情境后AI信任时三个特定间接关联为经所有权?0.351（95% CI [?0.499, ?0.205]）、经控制?0.090（95% CI [?0.151, ?0.039]）、经序列路径?0.191（95% CI [?0.285, ?0.102]）；信任调整模型中相应为?0.360（95% CI [?0.508, ?0.213]）、?0.092（95% CI [?0.156, ?0.042]）、?0.195（95% CI [?0.292, ?0.105]）。人类责任的计划线性对比显著（B = ?0.846，p < 0.001），并存在较小的二次对比（B = 0.092，p = 0.012），提示从低到中等AI的下降比从中等到高AI更陡。平行与反序设定亦产生负向间接关联。

讨论部分总结：主要结果为三种分配法律决策情境下感知责任存在差异。当AI被描述为信息辅助工具时，参与者将更多责任归于虚构人类审核者；当AI角色更广泛时则相反。随机情境比较针对保留样本报告，无法识别AI功能、人类权威或干预机会的独立效应。探索性间接效应模型将情境后所有权与控制评分与感知责任相联系，但处理文本明确规定了审核者的权威及检查、修订与推翻AI建议的能力，与所有权和控制条目所评估的概念相同；因此间接关联可能部分反映操纵理解、近情境感知或需求一致性评价，不应被解释为独立的因果机制。心理所有权提供了有用的解释视角，但其条目措辞与实验描述部分一致，其与责任的关联应视为探索性。感知控制亦类似，评分对情境具有信息价值，但限制了其作为独立机制的地位。实践上，结果对高风险AI支持程序的设计提出疑问：观察者可能区分独立评估建议的审核者与角色限于程序性确认者，但由于多个情境特征共同变化，当前结果无法确定哪个具体特征导致该区分。未来实验可将审核者检查、拒绝或修订AI建议的实际权力与AI功能分开操纵。操作政策应区分名义人类监督与实践行使的权威。局限性包括：每位参与者仅评估一个虚构法律决策情境而非实际专业案例，三个随机配置的构成特征共同变化，无法确立任何单一特征的独立因果贡献，也不能直接推广至法律专业人员；所有情境均描述不利结果，其他结果类型需新实验操纵；中介与结果在同一次会话中测量，且中介条目与实验条件描述高度相似，序列、平行与反序模型均无法消除语义重叠或确立时间因果顺序；责任指数组合了相关但非等价的判断，非正式法律责任的有效测量，非专家样本限制推广；318份候选记录中18份未保留的分配状态与原因无法重建，不能排除分配后选择，最终等组规模的确切程序无法重构；调查平台、确切分配算法、补偿安排、实地日期或研究语言等程序记录不可获得。

结论翻译：在三种随机法律决策情境条件中，描述AI参与更广泛的情境下，归于虚构人类审核者的责任较低，而归于AI系统的责任较高。这些差异涉及打包式情境配置，而非AI功能、人类权威或干预机会的孤立效应。心理所有权与感知控制显示与责任归因的探索性间接统计关联；其情境后测量无法确立因果序列。