学术研究报告：《拟人化与智能化：AI主播媒介性与人机信任关系建构的实证研究》

一、作者与发表信息
本研究的通讯作者为吴风（中国传媒大学新闻学院教授），合作作者包括钟丁静（中国传媒大学新闻学院博士研究生）和邱锐（北京市委党校公共管理教研部教授）。论文发表于《国际新闻界》2025年第2期，DOI编号为10.13495/j.cnki.cjjc.2025.02.002，系国家社科基金项目（21BDJ053）的阶段性成果。

二、学术背景与研究目标
研究领域为人机交互与传播学交叉领域，聚焦人工智能技术背景下AI主播的媒介性（mediality）对人机信任关系的影响。研究缘起于AI技术的快速发展引发的双重效应：一方面，AI主播通过拟人化（anthropomorphism）和智能化（intelligence）特性重塑了直播行业的互动模式；另一方面，技术的不透明性可能导致信任危机（如“塔西佗陷阱”）。基于社会信任理论（Social Trust Theory）和媒介等同理论（Media Equation Theory），研究旨在回答两个核心问题：
1. AI主播的拟人化与智能化属性如何直接影响人机信任？
2. 感知价值（perceived value）和技术自我效能感（technology self-efficacy）是否在信任形成中起中介与调节作用？

三、研究流程与方法
1. 研究对象与数据收集
- 样本：通过Credamo平台和自主发放问卷，筛选399名与AI主播有过互动的直播平台用户（有效回收率91.5%）。样本覆盖淘宝、抖音等主流平台，女性占比61.9%，年龄集中于20-39岁（89.2%）。
- 筛选标准：受访者需回忆一年内与AI主播的互动经历，并通过图片识别验证AI主播身份，排除无效样本（如未通过陷阱问题或回答时间过短者）。

1. 变量测量与模型构建

   • 核心变量：采用7级李克特量表测量，包括：
     
     • 拟人化（5题项，Cronbach’s α=0.914）：参考Balakrishnan等（2022）的感知拟人量表，如“AI主播的表情和动作像真人”。
       
     • 智能化（5题项，Cronbach’s α=0.933）：评估AI主播的响应性和学习能力，如“AI主播能理解我的复杂问题”。
       
     • 感知价值（3题项，Cronbach’s α=0.858）：结合经济学与情境化视角，如“互动让我获得实用信息”。
       
     • 技术自我效能感（3题项，Cronbach’s α=0.877）：改编自Yim等（2012）的量表，如“我能熟练操作AI主播功能”。
       
   • 控制变量：性别、年龄、职业、学历。
     
   • 统计方法：使用SPSS 26和AMOS 26进行结构方程模型（SEM）分析，通过Bootstrap法检验中介效应，采用分层回归分析调节效应。
     

2. 数据分析流程

   • 信效度检验：所有变量的AVE值（平均提取方差）均>0.5，组合信度（CR）>0.7，区分效度通过相关系数矩阵验证。
     
   • 模型拟合：适配度指标良好（CFI=0.963，RMSEA=0.069）。
     
   • 假设检验：
     
     • 直接效应：拟人化（β=0.092, p=0.034）和智能化（β=0.153, p=0.002）显著正向影响信任。
       
     • 中介效应：感知价值在拟人化/智能化与信任间起部分中介作用（中介效应占比分别为68.16%和60.31%）。
       
     • 调节效应：技术自我效能感强化了拟人化（β=0.129, p<0.001）和智能化（β=0.179, p<0.001）对信任的促进作用（见图4-5）。
       

四、主要结果与逻辑链条
1. 媒介性的直接作用：拟人化通过触发“计算机作为社会行动者”图式（Media Equation Theory），使用户将人际规则迁移至AI互动；智能化则通过提升任务完成效率（如语义理解准确性）增强可信度。
2. 感知价值的中介路径：拟人化通过情感共鸣（如点头动作增强亲和力），智能化通过功能性价值（如信息准确性），共同提升用户对互动价值的整体评估，进而促进信任。
3. 个体差异的调节：高技术自我效能感用户更能克服技术焦虑，在互动中体验到更高控制感，从而放大媒介性的积极效应。

五、结论与价值
1. 理论贡献：
- 提出“智商（智能化）+情商（拟人化）”双路径信任模型，拓展了媒介等同理论在人机交互中的应用。
- 揭示感知价值作为隐性路径的重要性，弥补了传统研究对认知加工机制的忽视。
2. 实践意义：
- 设计建议：AI主播需平衡功能性与情感化设计（如多模态交互、激励机制）。
- 伦理规制：呼吁通过透明算法和隐私保护避免“背景性脱节”引发的信任崩塌。

六、研究亮点
1. 方法论创新：首次将技术自我效能感作为调节变量纳入AI主播研究，揭示个体差异对信任形成的边界条件。
2. 跨学科视角：融合传播学、心理学与计算机科学，提出“人机互为主体”的新范式挑战人类中心主义。
3. 现实关切：回应生成式AI（如ChatGPT）普及下的信任危机，为政策制定提供实证依据。

七、局限与展望
1. 样本依赖自我报告，未来可结合眼动实验或神经科学方法捕捉实时互动数据。
2. 未考察环境因素（如直播场景差异），后续可引入情境变量深化研究。
3. 理论框架需进一步整合技术接受模型（TAM）与AI伦理视角。

（注：文中专业术语如“恐怖谷理论”（Uncanny Valley Theory）、“集置”（Enframing）等均保留原理论语境，未作简化处理。）