MSI顶刊颠覆认知:AI素养越低,接受度反而越高?高管直觉全错了

点击蓝字

关注我们

文献来源： M. Tully, S., Longoni, C., & Appel, G.. (September, 2025). Lower Artificial Intelligence Literacy Predicts Greater AI Receptivity. Journal of Marketing,89(5),1–20. https://doi.org/10.1177/00222429251314491

【摘要】

人工智能正在深刻变革社会，然而消费者对AI的接受度存在显著差异。以往研究多关注情境因素，较少探讨个体系统性差异的作用。本研究提出并验证了一个反直觉的假设：AI素养越低的人，对AI的接受度反而越高。通过一项跨国宏观数据分析（27个国家）和五项实证实验（包括学生、在线样本及美国代表性样本），研究一致发现：较低AI客观知识水平的个体表现出更高的AI接受意愿、更频繁的过去使用行为以及更强的AI（vs.人类）任务完成偏好。机制研究表明，低AI素养者更倾向于将AI视为“魔法”，并因此体验到更强的敬畏感，从而增强了AI接受度。这一关系无法由AI能力感知、伦理感知或恐惧情绪等替代解释所说明。研究挑战了“增强知识促进采纳”的传统观点，并为AI营销、政策制定与消费者教育提供了重要启示。

一、研究背景与动机

No.1

AI在投资、产品开发及公共服务领域的应用呈指数级增长。尽管AI能带来诸多优势，消费者对AI的抵制现象（即“算法厌恶”）依然普遍存在。已有文献主要探讨了任务特征、AI属性等情境因素，但对于消费者个体层面的系统性差异（如AI知识水平）如何影响AI接受度，学界知之甚少。

本研究聚焦一个核心问题：消费者的AI客观素养（objective knowledge about AI）与其AI接受度之间存在怎样的关系？作者通过四项预调研（Twitter、LinkedIn、商科本科生、在线样本）发现，公众普遍预测AI素养越高的人越愿意使用AI；同时，36位欧洲保险公司高管也表示会优先瞄准高AI素养客户。然而，研究者的理论推导却指向相反的结论：低AI素养者可能因将AI视为“魔法”而体验到敬畏，从而更愿意接受AI。为验证这一矛盾，研究开展了六项系统性的实证检验。

二、理论基础与研究假设

No.2

基于“算法厌恶”文献与魔法/技术认知理论，研究提出对立预测：常识层面认为高素养促进接受；但依据克拉克第三定律（任何足够先进的技术都与魔法无异），研究者认为低AI素养者更可能将AI视为魔法，从而产生敬畏感，最终提高接受度。

具体而言，当个体不了解AI的内部机制时，AI的卓越能力显得不可思议，就像魔术未被揭秘前一样令人惊叹。而随着知识增加（即AI素养提高），这种“魔力感”逐渐消退，敬畏感减弱，接受度可能随之下降。因此提出核心假设：AI客观素养与AI接受度呈负相关，且这一关系由“AI如魔法”的感知和敬畏感所中介。同时，研究检验了竞争性解释（如感知能力、伦理感知、恐惧程度），并排除了技术准备度、自主需求动机和一般知识等混淆变量的影响。

三、研究设计

No.3

（一）数据与样本

研究1采用二手数据：AI素养指标来自“全球AI指数”（Global AI Index, GAII） 2021年版，涵盖62个国家的AI人才（职位、编程活动、课程学习等）；AI接受度来自Ipsos 2022年全球调查，覆盖28个国家19,504名成年人（16-74岁），最终匹配27个国家进行分析。

研究2为实验室实验，招募234名本科生（年龄M=19.4，45.7%女性），测量AI素养（25题客观测试）后，测量其对生成式AI完成四种写作任务的倾向。

研究3通过Cloud Research招募401名MTurk参与者（年龄M=43.9），测量过去6个月AI使用频率、AI素养（17题AI生成测试）、技术准备度、自主动机和一般知识。

研究4招募1,099名MTurk参与者（年龄M=46.3），使用26项任务测量对AI vs.人类的相对偏好，并验证顺序效应。

研究5使用Lucid平台获得1,006名美国代表性样本（年龄M=45.6），测量AI素养、魔法感知和AI接受度（5项新任务）。

研究6在Prolific招募1,000名参与者（年龄M=39.8），测量AI素养、魔法感知、敬畏感、AI能力感知及对AI的恐惧，接受度采用Ipsos四指标。

（二）研究方法

研究1采用国家层面线性回归，并控制人类发展指数（HDI）及其三个子维度。

研究2-6主要采用线性回归、混合效应模型、逻辑回归（二分变量）以及中介与链式中介模型（Hayes, 2017; 自助抽样10,000次）。

研究3额外采用多元回归控制多个个体差异变量。

研究4采用任务客观性评分进行调节分析。

所有涉及人类被试的研究均经过预注册，数据与材料已在ResearchBox公开。

（三）变量测度

AI素养（AI literacy）：研究1为国家层面AI人才指数（综合LinkedIn、GitHub、Coursera等数据）。研究2、4、5采用自开发的25项客观知识测验（例如“以下哪种语言用于机器人编程？”）。研究3、6采用AI生成的17项客观知识测验（覆盖AI识别、智能理解、伦理等能力维度）。得分均为正确题数总和。

AI接受度（AI receptivity）：研究1为Ipsos四题同意率均值（如“AI产品让我的生活更轻松”）。研究2为四种写作任务使用AI的倾向（5点量表，从“不使用”到“直接提交AI生成内容”）。研究3为过去6个月五种AI工具的使用频率（5点）。研究4、5为相对偏好（1=绝对偏好人类，7=绝对偏好AI），分别针对26项或5项任务。研究6为Ipsos四题的7点版本均值。

魔法感知（AI as magical）：研究5采用7项陈述（如“AI似乎像魔法”“AI像巫术”）；研究6采用6项（去掉“非理性”项）。敬畏感（Awe）：研究6采用Kautish等（2023）的4项量表（如“我体验到敬畏感”“感到见证宏大事物”）。其他控制变量：技术准备度（TRI, Victorino等2009）、自主动机（Dahl & Moreau 2007）、一般知识（20题历史/生物/地理/文学）、AI能力感知、对AI的恐惧（Cave & Dihal, 2019）等。

图1：研究1结果——27个国家AI素养与AI接受度的负相关关系（论文Figure 1）

四、研究结论

No.4

六项研究一致支持核心假设：AI素养与AI接受度呈显著负相关。

• 研究1（跨国数据）：27个国家的分析表明，AI素养越低的国家，其国民对AI的接受度越高（表3，模型1：B=-0.31，p=.010）；在控制HDI指数及其成分后，该负向关系依然显著（模型2、3）。

• 研究2（学生写作任务）：AI素养越低的本科生，越倾向于使用生成式AI完成作业（B=-0.05，p<.001）；即使仅考虑“是否使用AI”的二分类指标，结果同样显著（B=-0.13，p<.001）。

• 研究3（过去使用频率）：AI素养越低，过去六个月使用AI工具越频繁（B=-0.09，p<.001）；在控制技术准备度、一般知识、自主动机和性别后，AI素养的预测作用依然稳健（表4模型2：B=-0.11，p<.001）。

• 研究4（26项任务相对偏好）：AI素养越低，越偏好由AI（而非人类）完成任务（B=-0.05，p<.001）；任务客观性调节了该效应（交互项显著），但在高客观性任务中低AI素养者仍表现出更高AI偏好（图3）。两个后测排除了伦理感知（AI素养高者认为更伦理）和能力感知（无显著相关）的替代解释。

图3：研究4结果——低AI素养者在各客观性任务中均更偏好AI（论文Figure 3）

• 研究5（魔法感知中介）：低AI素养者对AI的魔法感知更强（B=-0.09，p<.001），且魔法感知显著中介了AI素养与AI接受度的负向关系（间接效应95% CI不含0）。

• 研究6（链式中介与排除竞争解释）：低AI素养者感知AI更魔法（B=-0.13，p<.001），体验到更多敬畏（B=-0.14，p<.001），链式中介效应显著（95% CI [-0.05, -0.02]）。同时，低AI素养者反而认为AI能力更低（B=0.07，p<.001）且对AI更恐惧（B=-0.09，p<.001），排除能力与恐惧的解释。

综上，所有假设均获得支持，且结果在多种操作化、不同样本和严谨的控制分析中保持稳健。

五、研究贡献

No.5

理论贡献：

第一，突破以往侧重情境因素的研究范式，揭示个体层面“AI素养”这一关键差异变量，并发现其与AI接受度的反向关系，挑战了“知识促进接受”的直觉。

第二，首次提出并验证“魔法感知”与“敬畏感”的链式中介路径，为理解AI接受的心理机制提供了新视角。

第三，系统排除了能力感知、伦理感知、一般知识、技术准备度、自主动机、恐惧情绪等替代解释，增强了结论的纯粹性。

实践与政策启示：

研究建议企业不要仅根据AI素养高低来细分市场，因为低素养者可能更容易接受AI产品。政策制定者在推动AI教育时需注意：提高公众AI素养可能意外降低其使用意愿（通过削弱魔法感和敬畏感）。

因此，在推广AI的同时应平衡“可解释性”与“维持一定的奇妙感”，或者等待AI能力提升到足以让功利考量主导决策。研究也为未来纵向追踪AI素养与使用意愿的动态关系提供了基础。

表1（论文Table 1） 四项预调研结果显示：63.8%~73.7%的人认为高AI素养者会更想使用AI，仅10%~19%认为低素养者更想使用，与后续实证结论相反。