33、人机交互中的自我评估维护模型与地位同质性研究

人机交互中的自我评估维护模型与地位同质性研究

1. 自我评估维护模型在人机交互中的表现

1.1 性能水平的影响

性能水平的影响主要体现在拟人化、生动性和感知智能这几个方面。对于拟人化而言，表现出色的机器人不太可能在物理层面（如拥有类似人类的外观）被认为更具人类特征，但参与者可能会因为它能成功完成典型的人类任务（如识别情绪或猜测年龄），而觉得RUDY更像人类。同样，RUDY被认为更具生动性（或逼真感），并非体现在物理层面，而是在进行社交敏感度或年龄估计测试时，它对刺激的反应更好。不出所料，RUDY在模拟测试中表现良好时，比表现不佳时被认为更聪明。如果模拟测试确实衡量了某种智力方面的能力，那么参与者将表现出色的机器人评为更聪明也就不足为奇了。

1.2 与原始研究的比较

当前研究与原始研究存在一些差异，这些差异可能导致了不同的结果。当前研究完全在线上进行，使用的是机器人的静态图像，而Kamide及其同事的研究是在现场进行的，使用的是实体机器人。先前的研究表明，与现场观看相比，人们在线上观看社交机器人时会更消极。使用机器人的图像而非实体机器人，可能也抑制了参与者与RUDY进行比较的能力；与RUDY的时空距离，可能使参与者无法将其视为可以与之进行自我比较的对象。尽管这可以解释为什么性能水平对所有Godspeed维度没有产生主要影响，但无法解释为什么表现出色的机器人在三个维度上仍然得到了更积极的评价。此外，在当前研究中，参与者被告知他们将帮助优化机器人。这些指示可能使参与者给出更准确或更符合社会期望的回答，即使他们的自我评估最初受到了威胁。

1.3 研究的局限性

当前研究遇到了一些局限性。高相关性条件下未能通过测试名称注