《Sage Open》:Understanding Why Designers Keep Using AIGC Tools: How Technology Fit, Habits, and Cultural Values Influence Continued Use
编辑推荐:
随着人工智能生成内容(AIGC)应用在工作、学习和日常生活中的重要性日益凸显,了解促使人们持续使用这些应用的因素变得比以往任何时候都更为关键。用户常常面临任务与技术不匹配、习惯形成以及具有深刻社会根源的文化规范等问题,尤其是在快速发展且文化多样化的地区。本研究
随着人工智能生成内容(AIGC)应用在工作、学习和日常生活中的重要性日益凸显,了解促使人们持续使用这些应用的因素变得比以往任何时候都更为关键。用户常常面临任务与技术不匹配、习惯形成以及具有深刻社会根源的文化规范等问题,尤其是在快速发展且文化多样化的地区。本研究以双过程理论(dual-process theory)为基础,考察了审慎的认知评估——具体包括感知有用性(PU)和感知易用性(PEOU)——与自动情感反应(如满意度和习惯行为)之间的相互作用如何影响持续使用意愿,并以儒家价值观作为文化调节变量。研究人员采用偏最小二乘结构方程模型(PLS-SEM)技术,对来自北京专业设计场所的421名中国AIGC用户的数据进行了分析。研究发现,任务-技术匹配(TTF)和个体-技术匹配(ITF)均对认知与情感评估产生正向影响,其中ITF表现出更为持续的稳健效应。满意度促进习惯的形成,而认知、情感与习惯因素共同预测持续使用意愿。儒家价值观削弱了感知有用性对持续使用意愿的效应,以及满意度对习惯形成的效应。这些结果整合了双过程机制、技术匹配理论与文化调节作用,为维持用户参与和设计人工智能驱动的内容系统提供了理论依据。
**AIGC工具持续使用行为的双过程机制——技术匹配、习惯与儒家价值观的影响**
**一、研究背景与问题提出**
人工智能生成内容(AIGC)系统依托大型语言模型(LLM)和生成对抗网络(GAN)等先进生成架构,能够自主产生文本、图像、音频和视频等多模态内容,正在深刻改变人们的工作与生活方式。与专业生成内容(PGC)和用户生成内容(UGC)高度依赖人类直接创作不同,AIGC借助机器智能自主生成输出,既是一种技术系统,也是一种内容产品。在AIGC应用快速渗透设计、媒体和教育等领域的同时,一个关键问题日益凸显:是什么因素促使使用者在初次采纳后持续使用这些工具?
现有研究大多聚焦于初始采纳阶段,且主要采用技术接受模型(TAM)等理性决策框架,强调感知有用性(PU)和感知易用性(PEOU)的作用。然而,这些模型假设使用情境稳定、决策过程审慎,忽略了用户在实际使用中产生的情绪反应、习惯行为以及文化规范的影响,难以解释AIGC场景下高频、互动、迭代式的使用行为。此外,任务-技术匹配(TTF)和个体-技术匹配(ITF)虽被认为是影响技术有效使用的重要因素,但很少与习惯和情感因素共同纳入双过程框架加以考察。文化价值观,尤其是儒家价值观对技术使用后阶段行为的调节作用,也缺乏实证检验。为弥补上述缺口,本研究整合双过程理论、技术匹配理论与文化调节视角,构建了AIGC持续使用意愿的综合模型,探讨认知评估与自动情感反应如何共同影响持续使用意愿。
**二、研究设计与主要发现**
研究人员通过有目的的拦截调查,在2024年3月至5月间对北京8家媒体工作室和媒体相关企业的421名专业设计人员进行了问卷调研,并采用偏最小二乘结构方程模型(PLS-SEM)进行数据分析。结果显示,TTF和ITF均显著正向影响PU、PEOU和满意度,且ITF的效应量始终大于TTF,表明个体特质与技术的匹配在推动认知和情感评估方面比任务与技术的匹配更为关键。满意度显著促进习惯形成,而PU、PEOU和习惯均正向预测持续使用意愿。儒家价值观的保守性维度负向调节了PU与持续使用意愿之间、满意度与习惯形成之间的关系,但对PEOU与持续使用意愿关系的调节不显著。模型对持续使用意愿的解释力(R
2=0.538)和预测力(Q
2=0.298)均达到理想水平。这一发现不仅扩展了双过程理论在文化嵌入情境中的应用,也为AIGC平台的个性化设计与文化敏感性设计提供了依据。
**三、关键研究方法**
本研究采用有目的的非概率抽样与面对面拦截