夜雨聆风英文标题：Building trust beyond algorithm: How effort, service speed, and novelty increase trust in robot services
作者：Ye Eun Jeon, Hee Sun Park
期刊：Computers in Human Behavior, 2026, Vol. 176, 108871
📌 一句话摘要
机器人服务中，“努力”（human-like）与“速度”（machine-like）并非对立，而是可以共同增强信任。研究发现：消费者通过拟人化和AI整合感知机器人的努力，进而提升信任，并愿意支付更多。
🧠 研究背景：机器人上岗，信任怎么建？
随着劳动力短缺，越来越多的餐厅、咖啡馆、机场开始使用服务机器人。但问题来了：
机器人不像人类，消费者会信任它们吗？
我们到底是希望它快得像机器，还是暖得像人？
现有研究多关注机器人外表、动作等“表面拟人”，但忽略了更深层的问题：消费者如何感知机器人的“努力”？ 以及努力与速度之间的矛盾如何被调和？
🎯 研究目的
本研究提出三个核心问题：
消费者如何感知机器人的“努力”？
努力与服务速度之间的“辩证张力”如何被消费者解决？
个体因素（如新奇感）是否也会影响信任？
📚 理论基础：关系辩证理论（RDT）
关系辩证理论指出：人际关系中存在对立需求（如亲密 vs 自主），人们会不断尝试平衡这些矛盾。
本研究将其扩展至人机关系，提出：
努力（human-like）与速度（machine-like）是新的辩证维度
消费者会寻求“中间地带”：既希望机器人有机器效率，也期望它有人性化的努力
🧾 研究假设（H）
关于努力的前因
H1a：拟人化（Anthropomorphism）与感知努力呈正相关
H1b：AI整合（AI integration）与感知努力呈正相关
关于信任的直接影响
H2：感知努力与信任呈正相关
H3：服务速度与信任呈正相关
H4：新奇感（Novelty）与信任呈正相关
关于信任的结果
H5：信任与支付意愿（Willingness to Pay, WTP）呈正相关
💡 其中 H2 和 H3 是辩证张力检验的核心：努力（human-like）和速度（machine-like）是否都能显著影响信任？是否存在冲突或平衡？
🧪 实验设计概述
所有参与者观看机器人制作咖啡的视频后填写问卷。
📊 测量变量与量表来源
✅ 所有变量的Cronbach's α > 0.82，信度良好；
✅ 验证性因子分析（CFA）确认五因子结构优于其他模型，区分效度良好（HTMT < 0.85）。
📈 统计方法
验证性因子分析（CFA）：检验量表结构效度
路径分析：使用AMOS软件检验假设模型
间接效应检验：Bootstrap方法（5000次重抽样）
模型拟合指标：χ²/df, CFI, TLI, RMSEA
🔍 主要结果
✅ 研究1（Doosan Robotics）
H1a：拟人化 → 努力，β = 0.60*** → 支持
H1b：AI整合 → 努力，β = 0.37*** → 支持
H2：努力 → 信任，β = 0.48*** → 支持
H3：速度 → 信任，β = 0.48*** → 支持
努力与速度对信任的影响无显著差异（Z = -0.311），说明两者同样重要。
✅ 研究2（XYZ 咖啡机器人）
H2：努力 → 信任，β = 0.45*** → 支持
H3：速度 → 信任，β = 0.28*** → 支持
H4：新奇感 → 信任，β = 0.23*** → 支持
H5：信任 → 支付意愿，β = 0.20*** → 支持
努力、速度、新奇感三者共同增强信任，进而提升支付意愿。
✅ 研究3（Planz 智能售货机）
H2：努力 → 信任，β = 0.53*** → 支持
H3：速度 → 信任，β = 0.24*** → 支持
H4：新奇感 → 信任，β = 0.22*** → 支持
H5：信任 → 支付意愿，β = 0.36*** → 支持
在此研究中，努力的影响显著大于速度（Z = 2.458），可能是因为售货机本身更具“机械感”，努力显得更突出。
💡 理论启示
努力是可以被“设计”出来的：通过拟人化动作和AI整合，机器人也能被感知为“努力”的服务者。
努力与速度并非对立：消费者会主动调和矛盾，寻求“既快又暖”的中间地带。
新奇感是信任的催化剂：新颖的机器人体验能激发正面情绪，增强信任。
🛠 实践建议（给企业和设计师）
🎯 设计“努力”信号：
即使是非人形机器人，也可以通过左右移动、上下摆动等动作传达情绪
使用动画加载界面（如“正在为您精心挑选咖啡豆…”）增强“劳动幻觉”
🤖 强调AI能力：
营销语示例：“我们的AI分析了数万条数据，为您定制专属风味”
⚖️ 平衡努力与速度：
在效率优先场景（如自助查询机）：使用简短文字提示（如“正在搜索货架…”）
在体验优先场景（如酒店前台）：使用多步骤反馈（如“正在查看您的偏好…”）
⚠️ 研究局限与未来方向
视频观看 vs 真实互动：未来可在真实服务场景中验证
文化差异：本研究在韩国进行，未来可跨文化比较
技术素养：高技术素养者可能更理性归因机器人行为
新奇感也可能带来风险感知，需研究其边界条件
📌 总结一句话
机器人服务的信任，不是“快”或“暖”的选择题，而是如何在两者之间找到平衡的艺术。
📚 参考文献（部分）
Bartneck et al., 2009, International Journal of Social Robotics
Buell & Norton, 2011, Management Science
Waytz et al., 2010, Psychological Review
Baxter, 1996, Relating: Dialogues and Dialects
英文文献阅读全流程：从文献如何“搜”到怎么“管”再到“读”的一站式攻略
END
点击关注，发送 "人机互动" 即可获取全文PDF