当AI出错：电子商务中的幻觉与信任重校准——基于序贯混合方法的研究

《Journal of Theoretical and Applied Electronic Commerce Research》：When AI Gets It Wrong: Hallucinations and Trust Recalibration in E-Commerce Using a Sequential Mixed-Methods Approach

　　

生成式AI（Generative AI）购物助手正成为在线消费者的主要接触点，但它们经常产生令人信服但不准确的内容，这一现象被称为AI幻觉（AI hallucination），对电子商务中的消费者信任构成了尚未充分研究的风险。本研究通过构建并检验一个基于期望违背理论（Expectation Violation Theory, EVT）、认知警觉理论（Epistemic Vigilance Theory, EVT）和算法信任修复理论（Algorithmic Trust Repair Theory）的有调节的中介模型来解释这一现象。采用序贯探索性混合方法设计：定性阶段通过乔亚方法（Gioia methodology）和模糊集定性比较分析（fuzzy-set Qualitative Comparative Analysis, fsQCA）识别了消费者信任撤回的维度与组态路径；随后的大规模定量阶段，利用偏最小二乘结构方程模型（partial least squares structural equation modeling, PLS-SEM）和必要条件分析（Necessary Condition Analysis, NCA）在跨国欧洲样本中对所得模型进行了检验与修正。结果表明，暴露于幻觉会触发期望违背，激活认知警觉并降低感知AI能力（perceived AI competence）；这一序列驱动信任重校准（trust recalibration），表现为继续使用意愿和购买意愿降低，以及负面口碑增加。AI素养（AI literacy）、先前信任（prior trust）和透明度线索（transparency cues）显著调节这些关系，且结构信任修复机制，即检索增强生成（retrieval-augmented generation, RAG）和不确定性披露（uncertainty disclosure），被证明比纯粹沟通式修复策略更有效。理论上，本研究推进了AI中介商务中信任重校准的动态解释；实践上，为欧盟AI法案（EU AI Act）下的平台设计与监管政策提供了具体指导。

**论文解读：AI幻觉对电子商务消费者信任的重校准机制**

**研究背景与问题**
生成式AI购物助手正迅速成为电子商务中消费者的主要交互触点，但其输出内容常出现令人信服但不准确的现象，即AI幻觉（AI hallucination）。业界估计，此类幻觉造成的商业损失持续增长，尤其在促销编造、规格错误和虚假商品列表等场景中尤为突出。现有研究主要聚焦于算法厌恶（algorithm aversion）和数字预测错误，但忽略了生成式幻觉的独特特征——其内容看似合理且内部一致，导致消费者难以察觉，一旦察觉则心理冲击更大。当前理论存在三个空白：第一，信任重校准模型仅将信任视为一维变化，未考虑消费者检测和处理幻觉时特有的认知路径，即认知警觉（epistemic vigilance）的激活；第二，AI素养、先前信任等消费者特质在电子商务情境下的调节作用研究不足；第三，关于幻觉遭遇的定性现象学（即消费者如何理解、叙述和修复信任）在定量研究中鲜有涉及，缺乏基于理论构建的定性传统和组态推断。因此，本研究旨在将幻觉遭遇的现象学与可检验的有调节的中介模型相联结，并同时运用组态推断与方差建模，以捕捉该现象的定性纹理与定量幅度。

**研究内容与结论**
研究人员采用序贯探索性混合方法设计。定性阶段对来自15个欧洲国家的25名消费者进行半结构化访谈，运用乔亚方法（Gioia methodology）构建三层数据结构，并采用模糊集定性比较分析（fsQCA）识别导致完全信任撤回的组态路径。定量阶段基于定性发现设计在线调查，对590名欧洲消费者（来自15国）实施小短文实验，结合偏最小二乘结构方程模型（PLS-SEM）和必要条件分析（NCA）检验假设模型。研究得出以下核心结论：幻觉暴露触发期望违背（expectation violation），继而激活认知警觉，降低感知AI能力（perceived AI competence），最终驱动信任重校准，表现为继续使用意愿和在线购买意愿降低、负面口碑增加。AI素养正向调节暴露对认知警觉的影响，先前信任负向调节期望违背对信任重校准的影响，透明度线索负向调节暴露对期望违背的影响。结构修复机制（检索增强生成、不确定性披露）优于纯粹沟通式修复。该研究深化了对AI中介商务中信任动态变化的理论理解，并为欧盟AI法案下的平台设计与监管提供了实证依据。论文发表在《Journal of Theoretical and Applied Electronic Commerce Research》。

**主要关键技术方法**
本研究采用四种互补的推断逻辑：定性阶段使用乔亚方法（Gioia methodology）进行归纳性理论构建，从消费者自身语言中提炼出5个聚合理论维度；模糊集定性比较分析（fsQCA）识别出导致完全信任撤回的3条充分组态路径；定量阶段使用偏最小二乘结构方程模型（PLS-SEM）检验假设的有调节的中介关系，并利用必要条件分析（NCA）确定各条件是否为结果变量的必要条件。样本来源：定性阶段为25名来自15个欧洲国家的消费者（2024年1-4月）；定量阶段为590名同样来自15个欧洲国家的消费者（2024年6月至2025年7月），通过在线问卷招募。

**研究结果**

**5.1 操纵检验与共同方法偏差**
实验操纵有效：暴露于幻觉的消费者报告的期望违背显著高于准确推荐组（Cohen’s d = 2.28）。Harman单因子检验第一因子方差为18.4%，VIF均低于3.3，表明共同方法偏差不构成威胁。

**5.2 测量模型**
所有指标载荷均超过0.70，Cronbach’s α在0.873至0.934之间，组合信度（CR）在0.922至0.954之间，平均方差提取量（AVE）在0.763至0.840之间，均超过推荐阈值。区分效度通过Fornell-Larcker准则和HTMT比值（均低于0.85）得到支持。

**5.3 结构模型**
模型拟合良好（SRMR=0.029）。所有7个主假设在p<0.001水平得到支持：幻觉暴露对期望违背（H1: β=0.76）、期望违背对认知警觉（H2: β=0.71）、认知警觉对感知AI能力（H3: β=-0.70）、感知AI能力对信任重校准（H4: β=-0.24）、信任重校准对继续使用意愿（H5: β=-0.72）、信任重校准对在线购买意愿（H6: β=-0.64）、信任重校准对负面口碑（H7: β=0.67）。Q2预测相关性均为正值且较大（0.44-0.69）。

**5.4 中介分析**
5000次自助法偏校正95%置信区间确认了四个理论中介链，其中四步串行中介HX→EV→EVIG→PAC→TR（β=0.18）显著，支持了整合理论框架的核心机制。

**5.5 调节分析**
三个调节假设均获支持：AI素养正向调节幻觉暴露对认知警觉的影响（H8: β=0.225, p<0.001）；先前信任负向调节期望违背对信任重校准的影响（H9: β=-0.152, p<0.001）；透明度线索负向调节幻觉暴露对期望违背的影响（H10: β=-0.213, p<0.001）。

**5.6 必要条件分析**
NCA使用CE-FDH算法发现：幻觉暴露是期望违背的必要条件（d=0.386, p<0.001）；期望违背是认知警觉（d=0.153）和信任重校准（d=0.253）的中等效应必要条件；反向感知AI能力是在线购买意愿和继续使用意愿的必要条件；信任重校准是负面口碑的必要条件。

**5.7 模型比较与替代规格**
与完全中介模型相比，添加直接路径的偏中介模型未显著改善预测（直接路径均不显著，ΔR2接近0）。随机化透明度线索交互项不显著（β=0.009, p=0.797），表明H10的透明度效应基于感知而非实验操纵。方向性信任变化模型（SIT-Post减去SIT-Pre）支持信任重校准作为中介机制。

**总结讨论与结论翻译**
**7. 结论**
电子商务中的生成式AI幻觉已不再是边缘技术好奇。根据近期行业估计，它们构成了巨大的年度问题，并且正如本研究所示，是消费者在数字市场中被重新校准的核心心理机制。通过序贯探索性混合方法设计——定性阶段对25名消费者进行深度访谈，运用乔亚方法和fsQCA分析，随后定量阶段对590名欧洲消费者通过PLS-SEM和NCA分析——研究表明，幻觉暴露产生强烈且持久的期望违背，激活认知警觉，降低感知AI能力，触发信任重校准，并重塑继续使用、在线购买意愿和负面口碑等经典电子商务结果。AI素养、先前信任和透明度线索各自以理论预测的方向调节信任侵蚀路径，且必要条件分析确认期望违背不仅是充分条件，而且是信任重校准的必要条件。乔亚数据结构产生了幻觉遭遇的五个聚合理论维度，fsQCA识别出三条足以导致完全信任撤回的等终组态，共同以0.92的整体解一致性解释了78%的案例。累积证据支持将平台设计、管理实践和监管响应转向检索增强架构、校准的不确定性披露以及公平敏感的消费者保护。