对人工智能决策支持系统的信任通过赋权和依赖路径与创新及技术压力相关联

《Scientific Reports》：Trust in AI decision support systems relates to innovation and technostress through empowerment and dependency pathways

　　

摘要

对人工智能驱动的决策支持系统（AI-DSS）的信任可能与员工的有益和有害结果均相关。基于认知评估理论、社会交换理论和技术威胁规避理论，我们考察了两条平行的理论路径：一条是将信任与用户创新行为联系起来的赋能路径，另一条是将信任与技术压力联系起来的依赖路径。我们还考察了人工智能素养和组织人工智能支持作为这些关联的边界条件。对 452 名定期使用 AI-DSS 的知识工作者进行的两次调查得出的结果与这两条路径一致。对 AI-DSS 的信任通过感知赋能与用户创新行为呈正相关（间接效应 \(=0.249\)），并通过感知依赖与更高的技术压力呈正相关（间接效应 \(=0.175\)）。在本样本中，只有当人工智能素养得分高于 2.81 时，赋能中介的关联才具有统计可检测性，而组织支持的缓冲关联则在观察到的支持范围内均可检测到。探索性分析进一步表明，模型暗示了一个信任权衡区域，其中中高程度的信任对应于最大的净收益。由于该模式是由拟合表面生成的，而非直接从原始数据中识别出来，因此将其作为生成假设的依据提出。为了从李克特量表调查数据中估计有调节的中介模型，我们使用了一种神经网络增强贝叶斯结构方程模型（NB-SEM）框架，在模拟中，相对于标准结构方程模型，该框架将结构参数估计误差降低了多达 51%。鉴于观察性设计，所有估计值均被解释为条件关联，而非已识别的因果效应。研究结果促使未来对信任校准、人工智能素养干预和组织支持机制进行实验评估。