AI不止于形似：2944人实证研究揭示拟人化六大核心维度
英文标题：Rethinking AI anthropomorphism: A holistic conceptualization and scale development
作者：Yingwei (Wayne) Xu、Christina G. Chi、Dogan Gursoy、Ruiying (Raine) Cai（华盛顿州立大学酒店商业管理学院、约翰内斯堡大学旅游与酒店学院）
发表期刊：Technology in Society，Volume 82，2026年
期刊信息：中科院管理学大类二区Top期刊，JCR Q1区；2024年影响因子6.8，5年平均影响因子7.2
DOI：10.1016/j.techsoc.2025.103189
当你向Siri道声"谢谢"，或因ChatGPT的"俏皮话"而莞尔一笑时，一种特殊的心理机制正在运作——AI拟人化：把原本属于人类的特质（诸如性情、情感、动机）投射到非人对象之上。
服务业正加速部署拟人化智能体（涵盖实体机器人到虚拟助手），以期优化服务水准与顾客体验。学界研究亦表明，拟人化有助于强化信赖感、满意度及采纳倾向。
然而既有探索尚存三重不足：
尤为关键的是，AI并非若干孤立特质的拼凑——与之交互之际，我们体验的是统一整体。这正是格式塔理论（Gestalt Theory）的精髓所在：整体超越局部之和。
该研究正是立足此洞见，构建了一套覆盖多元情境、兼顾"人性双维"的AI拟人化测量工具。
该研究以格式塔理论为统领架构，融汇了五个细分维度的理论视角：
依托上述理论基石，AI拟人化被界定为：将外在及内在的人类属性归因于AI系统——既涵盖自然的、专属的人类特质，也包含人类的优势与短板。
历经严谨的量表研制程序，最终确立的六维架构如下：
🔥核心突破：道德属性与犯错倾向是本研究首度系统引入AI拟人化体系的两大维度。此前学界仅聚焦AI的"积极面"，而本研究证实：用户果真会以评判常人的标准，衡量AI的"品行"与"过失"。
本研究严格遵循Churchill（1979）及Lambert & Newman（2022）的量表研制规范，实施六阶段流程：
经两轮EFA检验，认知智能析分为两个子因子：认知机能（9项）与应变本领（5项）。终版量表含40个题项，归拢为6个维度：
💡模型拟合度：CFI=0.913-0.975，TLI=0.908-0.971，RMSEA=0.038-0.051——表现优异✅
🔥核心发现：
类人外形在服务失误时产生"反噬"效应：正常情境下增益，失误情境下减损——此即"预期背离效应"：越似人的AI，出错时用户失落感越强烈
应变本领与道德属性堪称"常胜"引擎：无论正常或失误情境，二者均为最强正向预测指标
犯错倾向犹如"通杀利器"：无论何种情境，AI的失误均会显著侵蚀使用意愿
🔥核心发现：
类人外形对对话型机器人毫无价值——用户并不强求文本界面拥有"面孔"
社交智慧与道德属性在 service failure 时"挺身而出"：平日或许无关紧要，但危机时刻，用户期待对话机器人彰显"共情力"与"道德感"
应变本领依旧是跨情境的核心引擎
💡诠释：用户对实体机器人的拟人化期许远超对话型机器人——尤其在道德操守与可靠程度方面。机器人被视作"社交同伴"，而非单纯的"功能器具"。
AI拟人化绝非各维度的机械累加。与AI互动时，我们感知的是完整的"人格"——即便某一维度缺位（如对话机器人无实体外观），我们仍会依循"完形"法则，从其余维度（如措辞风格、行为范式）补全拟人化认知。
用户会像评判某人"仁厚""诚信"与否一样，审视AI是否秉持道德准则、尊重隐私、行事合伦。当AI渗透医疗、金融、教育等敏感场域时，道德属性恐将成为决定用户接纳度的关键砝码。
此乃本研究最具"颠覆性"的贡献：人类本非完人，由人类缔造的AI亦难臻完美。将"犯错倾向"纳入拟人化框架，并非纵容AI失误，而是正视：用户确实会以对待常人的态度，宽宥或苛责AI的差错。
1. 依AI形态差异化定制
2. 按服务情境动态调整
3. 应变本领与道德属性乃"恒久引擎"
无论何种场景、何种AI形态，应变本领（灵活应对）与道德属性（合乎伦理）皆为最强正向驱动要素。此乃AI设计的"压舱石"。
4. 正视犯错倾向
AI若不犯错——既非事实，亦不该隐瞒。开发者应当部署：
自纠机制：实时侦测并修正谬误
透明沟通：力所不及时，主动阐明缘由
道德属性与犯错倾向的引入，昭示了规制的必要性：AI不仅要"管用"，更要"有德"
宜构建AI伦理风险评估体系，尤须聚焦高风险服务场景（医疗、金融）
倡导透明度准则：清晰告知用户AI的能力边界及潜在失误概率
行业聚焦：主要在旅游酒店业体验证，后续可拓展至医疗、金融、教育
文化局限：验证主要依托美国样本，未来亟待跨文化对比
横截面设计：未来可运用纵向追踪探究拟人化认知的演变轨迹
共同方法偏差：自陈数据或存偏误，未来宜辅以行为实验
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