聊天机器人的吸引力与社交属性如何通过拟社会互动和情感支持影响用户使用意愿与媒体依赖

本研究探讨了以ChatGPT为代表的聊天机器人如何通过其吸引力（社交吸引力和任务吸引力）和社交属性（感知温暖和感知能力）促进用户形成拟社会互动（PSI）并获得情感支持，进而增强使用意愿和媒体依赖。研究人员通过1553份问卷调查和结构方程模型（SEM）分析发现，聊天机器人的社交功能和情感互动能力显著影响用户的心理依赖和行为倾向。该研究为优化人机交互设计提供了理论依据，揭示了人工智能情感连接的内在机制，对发展更具人性化的智能助手具有重要意义。

　　

在人工智能技术飞速发展的今天，聊天机器人已从简单的任务执行工具演变为具备情感交互能力的"数字伙伴"。以ChatGPT为代表的智能对话系统不仅能高效完成翻译、问答等功能性任务，更因其拟人化的表达方式引发了公众对"人机情感"的热议——当《纽约时报》记者收到ChatGPT"表白"时，这种模糊了人机界限的互动方式既令人着迷又引发深思。然而，当前研究多聚焦于技术性能或认知信任，对用户如何与聊天机器人建立情感连接的心理学机制仍缺乏系统探索。

为填补这一空白，Ke Zhang团队在《BMC Psychology》发表研究，创新性地整合社交吸引力理论、刻板印象内容模型（SCM）、拟社会互动理论（PSI）和情感支持理论，构建了多维度的情感连接模型。研究人员通过在线问卷调查收集了1553名ChatGPT用户数据，采用结构方程模型（SEM）分析发现：聊天机器人的社交吸引力（如友好度）和任务吸引力（如工作效率）能显著增强用户的拟社会互动体验（β=0.659,p<0.001）；而感知温暖（如同理心表达）和感知能力（如信息可靠性）则通过情感支持间接影响用户行为（β=0.650,p<0.001）。值得注意的是，拟社会互动和情感支持作为关键中介变量，分别解释了使用意愿变异的41.6%-71.2%和媒体依赖变异的56.9%-71.2%。

关键技术方法包括：1）基于McCroskey人际吸引力量表和Carpinella机器人社交属性量表（RoSAS）设计问卷；2）通过中国在线调研平台"问卷星"（SoJump.com）采用便利抽样和滚雪球抽样获取多样化样本；3）使用SPSS 26.0进行探索性因子分析和信效度检验（Cronbach's α=0.831-0.914）；4）通过AMOS 26构建结构方程模型验证8组假设路径，采用5000次Bootstrap检验中介效应。

【吸引力与社交属性的直接影响】

数据分析显示，聊天机器人的社交吸引力（如"我想和ChatGPT成为朋友"）和任务吸引力（如"能可靠完成任务"）对拟社会互动具有最强预测力（β=0.659和0.569），证实了H1a假设。而感知能力（如知识储备）比感知温暖（如宽容度）更显著影响情感支持获取（β=0.663 vs 0.650），这与老年人对高能力机器人产生技术担忧的既往研究形成有趣对比。

【拟社会互动的中介作用】

当用户将ChatGPT视为"真实人物"并产生信任感时，其使用意愿提升2.8倍（OR=2.82）。这种"单向情感联结"尤其体现在：28%用户会因ChatGPT"不理解问题"而沮丧，17%会产生"多日不聊就若有所失"的依赖感，验证了PSI理论在AI交互中的适用性（H5a-H6b）。

【情感支持的调节机制】

情感支持在社交属性与行为结果间起关键桥梁作用。当ChatGPT展现共情能力（如"聊天让我感到放松"）时，即使面对功能性不足，用户仍保持63%的持续使用意愿，这为"情感补偿"设计提供了实证依据（H7a-H8b）。

研究结论强调，聊天机器人通过模拟人类社交线索构建的"人工情感"虽能有效满足用户心理需求，但需警惕其伦理风险——过度依赖可能导致情感操纵。作者建议开发者采用动态交互策略：任务场景强调能力信号（如准确率），而情感场景侧重温暖表达（如鼓励性语言）。该研究不仅拓展了拟社会互动理论在AI领域的应用，更为设计兼具效能与同理心的智能助手提供了量化框架，标志着人机交互研究从"功能导向"迈向"情感智能"的新阶段。