韩国熟悉数字技术的老年人对家用类人机器人的预期接受度：探索性混合方法证据

《Computers in Human Behavior Reports》：Anticipated Acceptance of Domestic Humanoid Robots Among Digitally Familiar Older Adults in South Korea: Exploratory Mixed-Methods Evidence

　　

家用类人机器人可能在用户使用前通过认知、社会情境和情感关系期望进行评估，但在熟悉数字技术的老年人中，混合方法证据仍然有限。这项探索性横断面混合方法研究分析了来自韩国一个选择性且主要基于社区的样本中170名相对活跃且熟悉数字技术的老年人的调查数据，其中男性参与者和60-64岁年龄段占主导地位，并对10名参与者进行了访谈。接受意图（Acceptance Intention）被视为在预期情境中尝试或使用家用类人机器人的前瞻性意愿，而非实际采用。探索性定量分析与主题分析相结合，以情境化、扩展或复杂化这些模式。在特定领域规范中，社会影响（Social Influence）和亲密感（Intimacy）与接受意图的一致性分别比努力期望（Effort Expectancy）和共情（Empathy）更稳定。在完整的四预测变量规范中，社会影响、亲密感和努力期望在统计上可区分于零，而共情则不然。社会影响与接受意图之间以及亲密感与共情之间的经验接近性限制了构念可分离性的主张。情感 reassurance（Emotional Reassurance）通过可预测、低负担的支持情境化了亲密感相关模式，而替代性亲密（Substitutive Intimacy）通过类似陪伴的可用性和日常互动扩展了关系舒适度。认知认同（Cognitive Identification）通过社会可见性和角色适当性情境化了社会影响，并通过对人形回应的矛盾解释复杂化了共情相关模式。该研究提供了有边界的混合方法证据和概念澄清，而非模型验证、因果推断或实际或持续使用的证据。功能清晰性、用户控制、伦理保障以及机器局限性的透明披露仍然是原型、现场和纵向评估的临时优先事项。

**研究背景与问题**
随着人口老龄化，能够支持日常活动并适应老年人社会与情感条件的技术需求日益增长。现有研究多关注技术功能效用，但老年人对家用类人机器人的评估涉及认知可管理性、社会情境可接受性、关系舒适度以及情感回应性等多个层面。然而，针对熟悉数字技术的老年人群体，将认知、社会情境和情感关系期望整合分析的混合方法证据仍然有限。本研究旨在填补这一空白，通过探索性横断面混合方法设计，评估韩国相对活跃且熟悉数字技术的老年人对家用类人机器人的预期接受度。

**研究内容与结论**
研究人员招募了170名来自韩国社区、相对活跃且熟悉数字技术的老年人（男性占75.9%，60-64岁占84.1%），通过在线问卷调查了努力期望、社会影响、亲密感、共情和接受意图，并对10名独立招募的参与者进行了半结构化访谈（使用标准化图像和视频刺激）。研究发现，在认知/社会情境领域，社会影响与接受意图的关联比努力期望更一致；在情感关系领域，亲密感与接受意图存在显著关联，而共情在控制亲密感后统计上不显著。定性主题分析揭示了情感 reassurance、替代性亲密和认知认同三个主题，分别情境化了亲密感和社会影响相关模式，并复杂化了共情相关模式。该研究提供了概念澄清而非模型验证，并指出功能清晰性、用户控制、伦理保障和机器局限性披露是未来原型评估的优先事项。论文发表在《Computers in Human Behavior Reports》。

**主要技术方法**
研究人员采用横断面探索性混合方法设计。定量部分：通过在线问卷收集170名韩国社区招募的活跃老年人（男性为主，60-64岁占多数）的自我报告数据，测量努力期望、社会影响、亲密感、共情和接受意图（各3题，5点李克特量表），使用探索性因子分析（EFA）、多元回归和PROCESS Model 4进行数据分析。定性部分：对10名独立招募的老年人进行半结构化访谈，使用标准化图像和视频场景（餐食协助、日常对话、生日庆祝）作为刺激，采用主题分析法（Braun & Clarke, 2006）提炼情感 reassurance、替代性亲密和认知认同三个主题，两名编码员独立编码，Cohen’s κ = 0.85。

**研究结果**
5.1 受访者概况与分析范围：样本主要为男性（75.9%）、60-64岁（84.1%）、社区居住，智能设备使用水平高（72.9%频繁使用），50.6%报告曾尝试或直接使用AI机器人。
5.2 描述性统计与相关：接受意图均值最高（M=4.05），亲密感与共情相关最强（r=0.667），社会影响与接受意图相关最强（r=0.617）。
5.3 信度分析：五个构念的Cronbach’s α介于0.775至0.839之间，校正项总相关均>0.50。
5.4 探索性因子分析与初步项目组织：EFA提取三个因子（情感关系项目簇、社会情境/意图项目簇、努力期望项目簇），亲密感与共情项目共同负载于因子1，社会影响与接受意图项目共同负载于因子2，表明经验邻近性。
5.5 多元回归分析：认知/社会情境规范中，社会影响（β=0.514）与努力期望（β=0.209）均显著；情感关系规范中，亲密感（β=0.522）显著，共情不显著；完整四预测变量规范中，社会影响（β=0.408）、亲密感（β=0.301）和努力期望（β=0.163）显著，共情不显著。
5.6 探索性人口统计稳健性检查：在控制性别、年龄、智能设备使用水平、AI机器人经验和自评健康后，主要模式保持一致，智能设备使用水平在两个规范中均显著。
5.7 选定回归引导关联估计：引导乘积估计显示，努力期望→亲密感→接受意图的路径估计显著（0.179，95% CI [0.097, 0.263]），而社会影响→共情→接受意图的路径估计不显著（0.055，95% CI [?0.021, 0.135]）。

**定性结果**
6.2 主题结果：情感 reassurance（情感 reassurance）通过可预测、低负担的支持情境化亲密感相关模式；替代性亲密（替代性亲密）通过类似陪伴的可用性和日常互动扩展关系舒适度；认知认同（认知认同）通过社会可见性和角色适当性情境化社会影响，并通过对人形回应的矛盾解释（如人工性、侵入性）复杂化共情相关模式。

**讨论部分总结**
整合发现表明，预期接受度是分层评估，涉及可管理性、社会可理解性、关系舒适度和适当回应性。社会影响反映了社会可见性和角色适当性，而非纯粹规范压力；亲密感应解释为关系舒适度而非依恋；共情模式因人工性感知和角色不匹配而复杂化。研究贡献在于概念区分，而非因果模型。设计建议包括功能清晰性、用户控制、透明披露机器局限性、隐私和伦理保障。

**结论翻译**
使用探索性横断面混合方法设计，本研究考察了韩国主要从社区招募的相对活跃且熟悉数字技术的老年人样本中对家用类人机器人的预期互动。研究将接受意图视为在想象或刺激引发的背景中尝试或使用家用类人机器人的前瞻性意愿。因此，这些发现涉及在持续互动之前形成的评估，并不代表实际采用、持续使用或机器人融入家庭生活的长期整合。定量发现表明，在认知/社会情境规范中，社会影响与接受意图的一致性比努力期望更稳定；在情感关系规范中，亲密感与接受意图存在条件性关联，而共情在纳入亲密感后表现出更有限的条件性模式。在完整四预测变量规范中，社会影响、亲密感和努力期望在统计上可区分于零，而共情在纳入其他观测复合变量时统计上不可区分于零。这些发现并未建立观测复合变量之间的因果或一般性排序。此外，社会影响与接受意图之间以及亲密感与共情之间的经验邻近性限制了关于观测复合变量代表完全独立维度的主张。因此，定量结果最好理解为部分重叠观测评估之间的探索性关联。定性发现为这些模式提供了情境意义。情感 reassurance通过可预测、可靠和低负担的支持情境化了亲密感相关模式，而替代性亲密通过类似陪伴的可用性、日常互动和个人重要场合扩展了该模式。认知认同通过社会可见性、家庭和同伴评价以及角色适当性情境化了社会影响相关模式。它还通过展示人形回应可能被视为专注或吸引人，同时又被解释为人工性、侵入性或与合适的机器角色不一致，从而复杂化了共情相关模式。这些主题并不表示依恋形成、互惠情感理解或人类关系的替代。它们的贡献在于区分预期互动中的感知关系舒适度、明显情感回应性、互动存在感和单向社会意义。因此，该研究提供了概念澄清和有边界的混合方法证据，而非经过验证的接受模型或因果解释。功能清晰性、社会可理解性、关系舒适度、透明情感回应性、用户控制、隐私、安全、信任校准和机器局限性披露成为原型、现场和纵向评估的临时优先事项，而非已确立的设计要求。这些结论仍然受限于选择性样本、横断面设计、基于刺激的预期互动以及有限的测量可分离性。在这些边界内，该研究为理解熟悉数字技术的老年人如何在实际或持续使用之前评估家用类人机器人提供了谨慎的基于关联和情境的证据。