报告：无意识的机器：人类对计算机的社会性反应

本文是Clifford Nass（斯坦福大学）和Youngme Moon（哈佛大学）于2000年在《Journal of Social Issues》（第56卷第1期）发表的一篇心理学与社会学交叉领域的重要研究论文。该文章并非针对单一原创研究的报告，而是一篇整合了作者及其合作者多年系列实验成果、并提出系统性理论解释的综合性学术述评（类型b）。文章的核心议题是探讨人类在与计算机互动时，为何以及如何会无意识地运用社交规则和期望。作者基于Ellen Langer的“无意识”（mindlessness）理论框架，系统地回顾和阐释了其实验室的一系列研究，旨在挑战当时流行的“拟人论”（anthropomorphism）解释，并提出“计算机是社会行动者”（Computers Are Social Actors, CASA）这一研究范式。

主要作者与出版物 本文由Clifford Nass（通讯作者，斯坦福大学传播学系）和Youngme Moon（哈佛大学商学院）共同撰写。Nass教授是这一研究领域的奠基人之一，他与Byron Reeves合著的《媒体等同》（The Media Equation）一书系统地阐述了相关理论。本文发表于2000年，收录于学术期刊《Journal of Social Issues》，该期刊由社会问题心理学研究学会（The Society for the Psychological Study of Social Issues）出版，专门探讨具有社会意义的心理学议题。

文章主题与核心论点 文章的核心论点是：成年、有经验的计算机用户，在完全清楚计算机并非人类、不应以人类方式对待的前提下，仍然会“无意识”地将一系列人类社会互动规则和期望应用于与计算机的交互中。这种行为并非源于深思熟虑的信念（如拟人论），而是一种自动化、不经思考（mindless）的认知过程，由计算机的某些关键社交线索（如语言输出、互动性、扮演传统人类角色）触发。

作者系统地反驳了三种可能的替代解释：1）拟人论（Anthropomorphism）：即用户真心相信计算机具有人性。作者通过实验后访谈，指出参与者均否认此点，从而排除了这一解释。2）对程序员的指向（Orientation to the Programmer）：即用户是在对背后的程序员做出社会反应。作者通过设计多个计算机由同一程序员编写的实验，以及直接对比“计算机”与“程序员”标签的实验，证明社会反应直接指向计算机本身，而非其创造者。3）需求特性（Demand Characteristics）：即实验设置或问卷暗示了社会反应。作者指出其实验界面简单（多为文本）、计算机从未使用“我”或表达情感、任务设定为常规计算任务，且许多参与者对自己表现出的社会行为（如性别刻板印象）并不自知甚至否认，这些都削弱了需求特性的解释力。

文章主要论点与论据

论点一：人们会过度使用社会类别（Overuse of Categories），并将之应用于计算机。 这一论点通过三个系列实验得到验证，证明即使在不合理的语境下，用户也会基于性别、种族、群体身份等社会类别对计算机做出刻板化反应。 * 性别刻板印象实验：参与者通过不同声音（男声/女声）的计算机进行学习、测试和评估。结果发现，参与者无意识地对计算机应用了性别刻板印象：1）他们认为男声评估计算机更友好、更有说服力；2）当男声计算机称赞辅导计算机时，参与者认为该辅导计算机能力更强、更友好；3）女声计算机在“爱情与关系”主题上被认为更博学，而男声计算机在“计算机与技术”主题上被认为更博学。关键证据在于，所有参与者在事后都坚称计算机声音的性别无关紧要，但其行为数据却显示出显著的性别刻板印象效应。 * 种族认同实验：参与者向一个由韩裔或白种人面孔视频代理给出的计算机代理寻求建议。韩裔参与者在面对韩裔面孔代理时，认为其更具吸引力、更可信、更聪明、更有说服力，且决策与自己更相似。重要的是，当另一组参与者被告知他们是在与真人进行视频会议时（实际上仍是与计算机代理互动），种族面孔产生的效应强度与“计算机代理”条件下完全相同。这表明，一旦被归类为具有种族标记的社会行动者，对象是人还是计算机已不再重要，社会类别的影响是无意识且强大的。 * 内群体与外群体实验：通过极其简单的操纵（给参与者和计算机分配相同颜色的臂章和屏幕边框，并称为“蓝队”），研究者创造了“团队”认同感。结果发现，与“非团队”条件（不同颜色）相比，“团队”条件下的参与者更愿意与计算机合作、更遵从计算机的建议，并认为计算机更友好、更聪明、与自己更相似。这个实验证明，即使基于完全任意的标签分类，人们也会无意识地产生内群体偏好，并将这种社交脚本应用于计算机。

论点二：人们会对计算机表现出过度学习（Overlearning）的社会行为，如礼貌和互惠。 这些行为是根深蒂固的社会习惯，一旦情境线索触发相应脚本，人们便会自动执行，而不考虑计算机是否“值得”这样的对待。 * 礼貌行为实验：参与者先与计算机A合作，然后由计算机A、另一台计算机B或纸质问卷来评估计算机A的表现。结果发现，当由计算机A自己来询问用户对其的评价时，用户给出的评价显著更加积极（即更“礼貌”），尽管在事后访谈中，所有人都否认计算机会有“感受”或值得礼貌对待。这表明，“当被评价者询问评价时要保持礼貌”的社会规则被无意识、自动化地激活了。 * 互惠行为实验：在任务一中，计算机为用户的网络搜索提供了“有帮助”或“无帮助”的结果。随后在任务二中，用户被要求帮助同一台或另一台计算机完成颜色匹配工作。结果符合互惠规范：使用过“有帮助”计算机的用户，在返回同一台计算机执行任务二时，会付出更多（完成更多对比，且准确率更高）。反之，若计算机在任务一中“无帮助”，则用户会对同一台计算机产生“报复”效应，付出更少。这表明，互惠这一强大的社会规范也被无意识地应用于人机交互。 * 互惠性自我表露实验：计算机在访谈前先“透露”一些关于自身的事实性信息（如“这台电脑很少能发挥其全部潜能”），然后询问用户一些私人问题（如“你人生中最大的失望是什么？”）。与控制组（无透露或仅延长问题描述）相比，在计算机先进行“自我表露”的条件下，用户给出的回答在深度和广度（即亲密度）上显著更高。这表明，即使是与一个明确非人类的对象（计算机的“透露”完全是描述性的，不涉及情感或第一人称“我”），过度学习的社会脚本——“表露引发表露”——仍然会被激活。

论点三：人们对计算机会产生过早的认知承诺（Premature Cognitive Commitment），即基于单一、表面的信息形成固化判断。 * 专家与通才标签实验：参与者观看新闻和娱乐节目片段。一组被告知使用的是播放“新闻与娱乐”的“通才”电视机；另一组被告知使用两台“专家”电视机：一台专播新闻，另一台专播娱乐。尽管所有内容完全相同，但“专家”条件下的参与者认为新闻片段质量更高、信息更丰富、更有趣、更严肃，同时认为娱乐片段更好笑、更令人放松。这证明，仅仅给媒介设备贴上“专家”标签这种毫无实质意义的信息，就能导致人们无意识地接受并高估其呈现的内容，这是一种典型的由权威标签引发的过早认知承诺。

论点四：社会性反应的深度与广度：计算机“个性”的影响。 为证明社会反应的深度，作者深入探讨了“个性”这一复杂社会心理学领域。研究表明，仅通过简单的文本脚本（如使用强势或顺从的语言，表达高低不同的自信水平），就能赋予计算机“个性”。 * 实验发现，具有“支配型”个性的用户更喜欢“支配型”计算机，而“顺从型”用户更喜欢“顺从型”计算机，这与人类社会互动中的“相似-吸引”（similarity-attraction）原则一致。 * 后续研究进一步拓展了此效应：当计算机个性与用户匹配时，用户更愿意通过该计算机购物；个性从“不匹配”变为“匹配”会产生更强的积极效应（增益效应）；个性匹配甚至能克服“自我服务偏差”（self-serving bias），使用户在成功时更倾向于归功于计算机，在失败时更少责怪计算机；个性匹配还能提升用户对中性内容（如音乐、幽默、健康建议）的评价。这些结果表明，即使是最小化、基于文本的个性线索，也能无意识地引发广泛的社会脚本，并带来强烈的态度和行为后果。

文章的意义与价值 本文及其所综述的研究具有重要的理论价值和应用价值。 * 理论价值：1） 提出并验证了“无意识社会反应”理论框架：成功地将Langer的无意识理论应用于人机交互（HCI）和媒介研究领域，为理解人类与技术的复杂关系提供了新的心理学视角。2） 确立了“计算机是社会行动者”（CASA）研究范式：明确挑战了以拟人论为主的传统解释，将研究重心从“计算机是否像人”转向“人们如何无意识地对计算机做出社会反应”。3） 提供了跨社会心理学领域的实证整合：文章系统展示了刻板印象、群体动力学、礼貌规范、互惠原则、个性感知等多个社会心理学核心概念在人机交互中的适用性，证明了社会规则应用的普遍性。 * 应用价值：1） 为人机交互设计提供深刻洞见：设计者可以主动利用或避免无意识的社会反应。例如，可以利用语音性别、面孔形象、个性匹配、团队标签等来增强用户体验、信任感和说服力；反之，应避免无意中引发负面刻板印象或不当的社会预期。2） 对人工智能与伦理学具有启示：随着具有社交能力的智能代理（如聊天机器人、虚拟助手）的普及，理解用户无意识的社会反应至关重要。这有助于设计更符合伦理、更负责任的人工智能，避免操纵用户或加剧社会偏见。3） 为媒介研究开辟新路径：研究不仅限于计算机，可延伸至电视、手机、社交媒体等各种媒介，探讨人们如何无意识地将社会规则应用于所有交互式媒介。

结论 Clifford Nass和Youngme Moon的这篇述评文章，通过严谨而富有创造性的系列实验，有力地论证了人类对计算机的社会性反应主要源于一种“无意识”的认知过程，而非深思熟虑的拟人化信念。文章系统性地驳斥了其他可能解释，并展示了这种反应在类别化、行为规范和认知承诺等多个层面的广泛存在与深度影响。这项工作不仅为社会科学与人机交互的交叉研究奠定了坚实的基础，也为未来技术设计、人工智能发展及我们理解自身与日益智能化的机器之间的关系，提供了极具价值的理论框架和实践指南。文章最后提出的未来研究议程（如计算机特性、个体差异、特定社会规则触发条件、与人际互动的直接比较等），至今仍是该领域的重要研究方向。