夜雨聆风作者：Shuili Du, Richard P. Bagozzi, Chunyan Xie, Kristi Bjornes Skeie Keleghan, Tatiana A. Iakovleva, Elin Merethe Oftedal
期刊：Technological Forecasting & Social Change (2026, Volume 226, 124558)
分区：SSCI 一区（ABS 3星，技术与社会变革领域顶级期刊）
英文标题：Elderly consumers‘ reaction to an eHealth app: The critical role of relational-emotional aspects of technology adoption
📌 一句话概括
老年人用不用健康App，关键不是“好不好用”，而是“会不会影响我和照顾者的关系”。
如果觉得App能增进与家人、护工的关系，他们就会产生期待中的积极情绪（自豪、开心），从而更愿意下载和使用。
但把App拟人化（“嗨，我是你的营养助手”）对低健康素养的老人反而会适得其反——他们会觉得App要“抢走”人的照顾。
🧠 研究背景：老龄化 + 数字化，但老人不买账？
全球老龄化加速，eHealth（电子健康）市场预计2025年达1938亿美元。老年人本是eHealth的最大受益群体，却往往拒绝、焦虑、不信任新技术。
传统技术接受模型（TAM）强调有用性和易用性，但忽略了老人独特的社会-情感需求：
他们高度依赖家人、护工、医生的情感和身体照顾
担心新技术会取代而非补充这些关系
对健康的知识不足会影响他们对科技的评价
本研究首次提出 “关系-情感TAM” ，通过纵向实地调查+现场实验，揭示老年人对真实eHealth营养App（APPetitus）的采纳心理。
🧩 理论框架：关系-情感技术接受模型
传统TAM（Davis, 1989）：感知有用性 + 感知易用性 → 态度 → 使用意图
本文扩展：加入 “感知App对照顾者关系的影响” + “预期积极情绪”
🔹 核心构念
| 构念 | 定义 |
|---|---|
| 感知对照顾者关系的影响 | 老人认为使用App会促进还是削弱与照顾者（家人、护工、医生）的关系 |
| 预期积极情绪 | 如果成功使用App，会感到自豪、开心、自我满足、自我掌控 |
| 健康素养 | 获取、理解、处理健康信息以做出适当决策的能力 |
🔹 研究假设
H1：感知对照顾者关系的正面影响 → 预期积极情绪 ↑
H2：预期积极情绪 → 态度 ↑
H3：态度 → 使用意图 ↑
H4a/b：使用意图 → 实际下载/使用 ↑
H5：健康素养调节拟人化的效果（低素养者反感拟人化）
🧪 研究设计：两项实地研究
📍 Study 1：纵向实地调查（验证关系-情感路径）
对象：挪威养老金协会（NPA）会员，62岁以上
样本：427人（两波调查，间隔1个月）
App：真实的营养App“APPetitus”（应对老年人营养不良）
流程：
Wave 1：看App介绍视频（4分钟） → 填问卷（感知照顾者关系影响、预期积极情绪、态度、意图、控制变量）
Wave 2：报告实际下载（26%）和实际使用（11%）控制变量：感知有用性、感知易用性、性别、健康素养
📍 Study 2：现场实验（检验拟人化的调节效应）
设计：单因素2水平（拟人化 vs. 控制）
样本：335人（NPA另一批会员）
操控：
拟人化组：App用第一人称（“嗨，我是APPetitus，你的虚拟营养助手”）、有微笑人类logo、配护士和老人的微笑图片
控制组：第三人称描述、无拟人化元素
测量：感知照顾者关系影响、预期积极情绪、态度、健康素养
📏 量表来源与测量项（部分示例）
| 构念 | 题项数 | 来源 | 示例条目（5点/9点） |
|---|---|---|---|
| 感知照顾者关系影响 | 2 | 自编 | “APPetitus将促进我与照顾者的互动” |
| 预期积极情绪 | 4 | Bagozzi et al. (1998) | “如果我成功使用App，我会感到自豪/开心/自我满足/自我掌控” |
| 态度 | 3 | 标准语义差异 | “不好的—好的”“负面的—正面的”“不利的—有利的” |
| 健康素养 | 4 | 欧洲健康素养调查（HLS-EU） | “对我来说，找到营养和健康饮食的信息很容易” |
| 感知有用性 | 4 | Venkatesh & Davis (2000) | “使用这个App将使我吃得更健康” |
| 感知易用性 | 3 | 同上 | “这个App容易使用” |
📌 Study 1的Cronbach‘s α介于0.79–0.97，Study 2介于0.83–0.96，信度优秀。
📊 统计方法一览
| 分析 | 方法 | 工具/模型 |
|---|---|---|
| 主效应与中介 | 串行中介（PROCESS Model 6） | SPSS / Hayes (2017) |
| 有调节的中介 | PROCESS Model 83（第一阶段调节） | SPSS / Hayes |
| 实际行为（二分类） | 逻辑回归（Logistic） | SPSS |
| 共同方法偏差 | Harman单因子 + 标记变量法 | SPSS |
| 条件间接效应 | Bootstrap 10,000次 | PROCESS |
📈 核心结果
✅ Study 1（关系-情感路径全部成立）
| 路径 | 系数(b) | 显著性 |
|---|---|---|
| 感知照顾者关系 → 预期积极情绪 | 0.24 | p<0.001 |
| 预期积极情绪 → 态度 | 0.08 | p<0.05 |
| 态度 → 意图 | 0.71 | p<0.001 |
| 意图 → 实际下载 | 0.75 | p<0.001 |
| 意图 → 实际使用 | 0.84 | p<0.001 |
串行中介（感知→情绪→态度→意图→下载）：
间接效应 = 0.01，95% CI [0.001, 0.024] → 显著
→ 老人觉得App能增进照顾者关系 → 期待自豪/开心 → 态度积极 → 更想用 → 真的下载了
💡 即使控制了有用性，感知照顾者关系的影响仍然显著——说明关系因素独立于功能因素。
✅ Study 2（拟人化 × 健康素养）
交互项显著：b = 0.18, p < 0.05（见下图）
| 健康素养水平 | 拟人化 vs. 控制对感知照顾者关系的影响 | 显著性 |
|---|---|---|
| 低（16百分位） | 负向（b = -0.23） | 显著（CI不含0） |
| 中（50百分位） | 不显著 | - |
| 高（84百分位） | 不显著（正向趋势） | - |
🔥 关键发现：
对于低健康素养的老人，把App拟人化（“我是你的营养助手”）反而让他们觉得App会破坏与照顾者的关系 → 态度更负面
对于中高健康素养老人，拟人化无害也无显著益处
有调节的串行中介（拟人化 → 感知照顾者关系 → 预期情绪 → 态度）：
低健康素养者：负向间接效应（index = 0.04, CI不含0）
中高健康素养者：不显著
💡 实践启示（给企业、政府和政策制定者）
1️⃣ 对eHealth App开发者
别只强调“效率”“省钱”，要突出如何增进与家人、护工的联系
例如：添加“分享营养报告给家人”“预约医生视频咨询”等功能
营销文案：“APPetitus帮你和家人一起管理健康” 而非“AI全面接管”
2️⃣ 拟人化要谨慎——尤其针对低健康素养老人
拟人化（“我是你的助手”）可能引发身份威胁（“机器要取代人”）
对于教育程度低、健康知识少的老人，客观、第三方的描述更安全
可提供“拟人化开关”，让用户自己选择风格
3️⃣ 提升健康素养是撬动eHealth采纳的长期杠杆
政府、非营利组织应资助老年人健康知识普及项目
低健康素养者不仅更可能拒绝eHealth，也更容易被“拟人化”劝退
4️⃣ 预期积极情绪是“隐形推手”
营销素材中不要只放功能截图，要展示老人使用后自豪、开心的场景
例如：“李奶奶用APPetitus一周，营养达标，开心地给女儿看报告”
⚠️ 研究局限 & 未来方向
样本局限：挪威（高福利、高数字化国家），结果可能不直接推广到发展中国家
自报健康素养：可能存在偏差，未来可用客观测量
时间跨度：仅1个月，长期使用行为（>6个月）未知
未测预期消极情绪：担心、焦虑可能也在起作用
拟人化操控：仅文本+图片，未来可测试语音拟人化、3D虚拟形象
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 “拟人化” 即可获取全文PDF