智能技术场景中的用户与系统交互行为规律探究

王伶俐，博士，北京邮电大学讲师。2021年毕业于清华大学经济管理学院管理科学与工程系，获管理学博士学位。2019-2020年赴美国亚利桑那州立大学访问。曾参与多项国家自然科学基金项目，研究成果被国际顶级学术期刊Production and Operations Management, ACM Transactions on Computer-Human Interaction 接收。同时，研究成果获信息系统领域顶级国际会议ICIS Kauffman 最佳论文提名（2021），ICIS 最佳论文奖（first runner-up）（2020），纽约大学 NET Institute 提供的 NET基金支持。现担任多个国际顶级学术期刊和会议的审稿人，如，MIS Quarterly, Information Systems Research, Production and Operations Management, ICIS, ECIS, CIST, PACIS等。主要研究方向：人-AI交互、电商直播、学习系统中的用户行为等。

第1章引言

1.1研究开展的背景

1.1.1智能技术的广泛应用

1.1.2智能在线学习系统

1.1.3智能客服系统

1.2研究内容与研究意义

1.2.1研究内容

1.2.2研究意义

1.3本书结构…

第2章相关文献评述

2.1智能技术应用

2.2游戏化信息系统与自我控制…

2.2.1游戏化信息系统与智能技术

2.2.2自我控制与时间线索·

2.3客户服务与智能应用·

2.3.1人工服务、自助服务与智能服务

2.3.2电话客服系统及其智能化

2.4信息反馈与智能应用本章小结

第3章智能在线学习系统中的整点效应3.1研究背景及研究问题

3.2理论分析与研究假设

3.2.1思维模式理论

3.2.2研究假设…

3.3用户行为数据分析

3.3.1数据集…

3.3.2整点对不同功能模块使用行为的影响

3.3.3整点对工具型结果的影响

3.4 实验室实验验证整点效应

3.4.1实验设计·

3.4.2实验结果及讨论

3.5实地实验验证整点效应

3.5.1实验设计

3.5.2实验结果及讨论·

3.6内在机制及边界条件探索

3.6.1在线实验设计

3.6.2在线实验结果

3.7结果讨论…

3.7.1主要发现

3.7.2理论贡献及实践启示…

3.7.3研究不足及未来研究方向本章小结

第4章基于语音的AI系统对用户行为和服务效果的影响

4.1研究背景及研究问题

4.2理论分析…

4.2.1AI系统对服务时长的影响

4.2.2AI系统对人工服务需求的影响

4.2.3AI系统对用户抱怨的影响

4.3研究方法

实验情境·

4.3.1

4.3.2数据及变量测量…

4.3.3计量模型构建

4.4研究结果·

4.4.1主要结果分析

4.4.2用户使用AI系统过程中的学习效应

4.4.3AI系统影响的异质性分析

4.4.4AI系统应用带来的新颖性效应

4.4.5用户与AI系统互动特征的影响

4.4.6安慰剂效应检验

4.5结果讨论

4.5.1主要发现·

4.5.2理论贡献及实践启示

4.5.3研究不足及未来研究方向本章小结

第5章在线学习系统中人或AI的反馈对用户感知的影响5.1研究背景和研究问题·

5.2理论分析和研究假设

5.2.1归因理论

5.2.2不同任务反馈的影响…

5.3实验一：不同学习反馈对用户感知的影响

5.3.1实验设计…

5.3.2实验结果

5.4实验二：引入反馈透明度对用户感知的影响

5.4.1实验设计…

5.4.2实验结果·

5.5结果讨论·

5.5.1主要发现

5.5.2理论贡献及实践启示…

5.5.3研究不足及未来研究方向本章小结

第6章结语

6.1研究总结…

6.2主要创新点…

6.3未来研究方向

参考文献

附录A第3章研究补充分析结果·

附录B第4章研究补充分析结果·

附录C第5章研究实验网页截图及补充分析结果

第1章引言

1.1研究开展的背景

1.1.1智能技术的广泛应用

近年来，商务活动中海量数据的积累、计算能力的快速提高和深度学习算法的不断优化促使包括计算机视觉、语音识别和自然语言处理在内的多项信息技术(InformationTechnology,IT）水平大幅提升（陈国青等，2020；冯芷艳等，2013；孙见山等，2020；Anthes,2017；Rzepka et al.，2018)。该变化也引起相关学者的关注。众多学者围绕智能系统的特征及其定义展开了丰富的讨论。例如，Rzepka et al.(2018)将智能系统定义为至少具备问题解答、知识表述、推理、计划、学习、感知、自然语言处理或沟通中一项能力的信息系统。从本质上来讲，智能技术或 AI(Artificial Intelligence)技术是支撑不同智能系统实现相应功能的基础或核心算法。根据斯坦福大学2019年发布的人工智能指数(ArtificialIntelligence Index)年度报告，智能技术支撑下的信息系统在多类任务中的表现已经达到普通人类甚至领域专家的水平。例如，在2018年，基于机器翻译竞赛常用的数据集newstest2017，微软公司开发的机器翻译系统在完成将新闻故事由中文版本翻译为英文版本的任务时已经达到人类翻译的准确度；2018年，在一款多用户竞技游戏中，DeepMind算法的表现也达到了人类游戏玩家的水平，该算法能在游戏中表现出诸多人类行为，无论扮演队友还是竞争对手的角色，其在游戏中的胜出率都超过了优秀的人类玩家。

目前，智能技术已被广泛用于支撑或变革商务实践，既有利于提高现有系统(如决策支持系统）的实践表现，也催生出新的商务应用（如智能语音助理）（陈国青等，2018；冯芷艳等,2013）。根据麦肯锡（Mckinsey&Company）2019年对2360位来自不同企业受访者的调查，58%的受访者表示其所在企业至少在一个部门使用智能技术，30%的受访者表示智能技术被用于企业的多个业务领域。①与此同时，Grand View Research公司预测，全球人工智能市场规模于2019年已经达到399亿美元，在未来7年将以42.2%的平均速度快速增长。智能技术已经被证明是数字时代最突出的变革要素。在我国，人工智能企业数量在2019年已经超过4000家，位列全球第二，表明我国企业对人工智能领域应用的关注和支持处于世界前列。③

随着智能技术的持续发展和广泛应用，越来越多的个人、团体及组织需要主动或被动地与智能信息系统交互，并在交互过程中相互影响、相互塑造，逐步形成人机融合智能。与传统信息系统相比，智能信息系统具有诸多新的特点。智能信息系统既在感知、推理、决策等人具备的重要能力上逐步接近甚至超过人类的水平，也在交互方式(如语音对话)、外在形象上表现出诸多拟人化的特点。系统内在能力和外在特征的根本变化能从不同方面影响用户在与系统交互前、交互过程中以及交互之后的感知、态度、意愿、行为及行为结果。鉴于智能信息系统带来的革命性改变，智能信息系统的优化设计以及个体或组织与不同智能信息系统交互过程中的行为特点和交互效果，已经成为目前信息系统领域关注的重要研究议题。在此背景下，Rzepka et al.(2018)通过对信息系统领域文献的综述，对个体层面开展的智能信息系统相关研究进行了深度总结，基于Zhang et al.（2004；2005）的研究成果，他们概括出了信息系统（IS)领域个体与IT交互的研究框架（如图1-1所示）.该研究框架指出，系统特征、用户特征以及任务和情境特征3个维度的关键因素均会影响用户与特定信息系统的交互行为和交互结果。智能技术的发展和应用会直接改变系统特征，使得信息系统越来越智能化。一方面，智能技术水平的提高带来用户与系统交互方式的改变，例如，在传统电话自助服务系统中，用户通过输入服务系统要求的数字/语音获取特定的服务。在引人语音识别和自然语言处理技术后，用户可以通过自然对话的方式与智能服务系统交互，更便捷、更灵活地与服务系统“沟通”，以获取所期望的服务。另一方面，智能化也，表现为支持传统信息系统实现新的功能，甚至从人类操作的工具演变为替代人类来完成特定仟务的主体。例如，在在线学习系统中，智能技术被用于支持系统的游戏化设计，通讨对用户行为模式的学习和提炼，为用户提供难度相匹配且高度逼真的虚拟竞争“对手”，帮助用户获得良好的游戏化学习体验。当然，在线学习系统也可以借助机器学习算法，对用户学习讨程中的仟务表现进行综合分析，自动向用户提供及时和个性化的学习反馈。