人工智能医疗对话智能体的多维信任感知：框架构建与量表验证

《Scientific Reports》：Multidimensional trust perceptions of AI medical conversational agents: framework development and scale validation

　　

摘要

人工智能正通过不断扩展的应用、服务和产品迅速融入日常生活。随着其在改善诊断、个性化治疗和提高运营效率方面的潜力日益显现，医疗保健行业正在经历深刻变革。然而，信任与不信任作为塑造技术扩散的双重机制：信任促进采用，而不信任则制约大规模部署。因此，信任仍然是人工智能在医疗服务中广泛应用的一大持续障碍。目前，关于将人工智能医疗对话代理（AIMCAs）的信任与接受度联系起来的路径的实证证据仍然有限。本研究以信任理论为基础，旨在开发并验证一个面向AIMCAs的多维度信任感知量表，确立其维度结构和心理测量学质量，并考察其与外部接受相关行为准则的关联。在方法上，研究首先采用扎根理论引导的溯因式定性分析，以识别公众对AIMCAs信任感知的结构，并通过专家Q排序生成和筛选测量条目；随后使用独立样本进行探索性因素分析和验证性因素分析，再评估内部一致性、重测信度和绝对一致性、构念内指标汇聚性、区分效度和效标关联效度。平行分析和碎石图共同支持了五因素解法。主成分因子分析配合直接斜交旋转（Direct Oblimin）得出一个15条目、五维结构，五个共同因素解释了总方差的76.07%。验证性因素分析进一步支持了由认知信任、情感信任、功能信任、拟人化信任和交互信任构成的五维结构；模型拟合指标、标准化因子载荷、潜变量相关和残差诊断共同为内部结构提供了证据。Fornell-Larcker准则与HTMT的Bootstrap置信区间共同为五个AIMCA信任维度之间的内部区分效度提供了证据。以实际使用频率作为外部行为准则的有序Logit模型整体具有统计显著性，似然比χ2(5) = 71.963，p < 0.001，McFadden伪R2 = 0.125。交互信任与较高使用频率的关联最为显著（OR = 3.096，95% CI [2.257, 4.246]）。所生成的量表捕捉了公众对AIMCAs的多维度信任感知，并为接受相关行为的研究提供了结构化的测量基础。研究结果支持了包含认知信任、情感信任、功能信任、拟人化信任和交互信任的15条目、五维结构。以自我报告的AIMCA使用频率作为外部行为准则的有序Logit模型提供了额外的效标关联证据。该量表可用于刻画公众对AIMCAs的多维度信任感知，并为后续关于接受度、使用意愿、持续使用意愿和实际使用的研究提供结构化的测量基础。