理解用户对新兴人工智能智能体(AI Agent)的评价:来自YouTube上OpenClaw评论的证据

《Electronics》:Understanding User Evaluation of Emerging AI Agents: Evidence from YouTube Comments on OpenClaw

【字体: 大 中 小 】 时间:2026年08月29日 来源:Electronics 2.9

编辑推荐:

  自主人工智能(AI)智能体的快速崛起正在重塑个人任务自动化与人机协作。本研究构建了一个由精细加工可能性模型(ELM)、技术接受模型(TAM)与虚拟社区感(SOVC)理论共同支撑的框架,考察评论主题与情感极性如何与评论认可度相关联,以及这些关联如何随回复活跃程度

  
自主人工智能(AI)智能体的快速崛起正在重塑个人任务自动化与人机协作。本研究构建了一个由精细加工可能性模型(ELM)、技术接受模型(TAM)与虚拟社区感(SOVC)理论共同支撑的框架,考察评论主题与情感极性如何与评论认可度相关联,以及这些关联如何随回复活跃程度而变化。研究人员使用来自1000个热门OpenClaw相关YouTube视频的55502条原始评论,清洗后保留14974条高质量英文评论进行分析。研究人员采用BERTopic识别主要评论主题,并使用RoBERTa分类情感极性。结果显示:(1)与功能性相关的主题与评论认可度呈正相关,而与安全性和硬件相关的主题与评论认可度呈负相关;(2)涉及回复数量的互动关联在不同主题与情感极性间存在差异。这些发现揭示了用户对新兴OpenClaw技术的关键关注点与情绪反应,并为迭代改进AI智能体工具提供了兼具理论基础与实践意义的启示。
研究背景方面,生成式人工智能正推动人机交互从“对话响应”向“任务执行协作”转变,以OpenClaw为代表的设备端自托管开源个人AI助理具备任务理解、规划、记忆与环境交互能力。已有文献多聚焦AI智能体(AI Agent)的技术机制与应用场景,依赖问卷调查解释用户认知,缺乏基于真实用户生成内容(UGC)的观察性证据。为填补此缺口,研究人员以YouTube上OpenClaw视频评论为场景,整合ELM、TAM与SOVC三类理论透镜,将BERTopic所得主题视为技术内容线索、RoBERTa情感极性视为情感文本线索、回复数视为可观测互动强度,考察其与评论点赞数(即受众认可度)的关联。该研究发表于《Electronics》,其意义在于将AI智能体研究由“技术能力与系统设计”拓展至“用户感知与评价行为”,并为开发者优化功能沟通与降低安全硬件焦虑提供实证依据。
方法上,研究人员通过YouTube API按观看量降序抓取含“OpenClaw”且观看超2000次的英文视频1000条,获原始评论55502条,经语言过滤与少于20个英文词剔除后保留14974条。主题建模采用BERTopic(UMAP降维固定随机态42、HDBSCAN聚类),得到security、deployment、functionality、hardware四个实质主题及 outlier 主题?1;情感分析采用siebert/sentiment-roberta-large-english模型作二分类(正/负),以200条人工共识标注校验达87.00%准确率;因点赞数为过度离散计数(63.9%零值),以负二项回归(negative binomial regression)检验主题权重、情感极性、ln(1+回复数)及其交互项对点赞数的主效应与调节效应,并以连续情感分与视频层级控制变量做稳健性检验。
研究结果部分,首先描述性统计与相关系数显示各变量VIF低于10,多重共线性可控。回归结果表明:security主题权重与评论认可度显著负相关(β=?0.335, p<0.001),支持H1;deployment主题主效应不显著(β=0.089, p>0.05),拒绝H2;functionality主题显著正相关(β=0.557, p<0.001),支持H3;hardware主题显著负相关(β=?0.182, p<0.05),支持H4;正向情感极性显著正相关(β=0.546, p<0.001),支持H5。交互项中,情感极性×回复数显著为负,拒绝H6;security×回复数显著为正,支持H7(高回复量削弱安全主题负向关联);deployment×回复数显著为负,拒绝H8;functionality×回复数不显著,拒绝H9;hardware×回复数显著为负,支持H10。修订后模型伪R2约0.097,低于前一版0.177,研究人员提示应更谨慎解释拟合。
讨论与结论翻译总结:功能性相关内容在样本中更易获认可,安全与硬件内容平均认可度较低,但这不表示用户漠视此类信息,可能受曝光与受众构成影响;deployment主效应不显著,原显著结果非稳健。互动分析显示高回复量弱化安全主题负向评价、使部署主题关联更不正面,回复与点赞可能同步累积,故仅为条件关联而非因果调节。研究整体提供新兴AI智能体社区中技术、情感与互动线索共现于受众认可的观察性证据,非因果心理机制。理论贡献为把ELM、TAM、SOVC作为互补解释透镜而非直接潜变量测量,推进用户评价视角;实践上建议开发者明晰安全边界与硬件门槛沟通,并设计轻量高效审计机制(如操作日志、异常告警、可控审计面板)以提升控制权与信任。局限含单一平台(YouTube)与单一工具(OpenClaw)外推受限、早期采用者偏差、未系统比对LDA/VADER等替代法、缺评论排序曝光变量,后续可跨平台跨工具纵向验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号