DOI: https://doi.org/10.1038/s41598-025-18906-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41062558
تاريخ النشر: 2025-10-08
المؤلف: Xinliang Li وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة تأثير روبوتات الدردشة المعتمدة على الذكاء الاصطناعي التوليدي (GenAI) على تجارب المستخدمين في التجارة الإلكترونية، مع التركيز بشكل خاص على كيفية تأثير الميزات البشرية على كفاءة المستخدمين الذاتية ونواياهم في اعتماد هذه الروبوتات كمساعدات في اتخاذ القرار. من خلال استخدام نموذج احتمالية التوضيح (ELM)، تدمج الدراسة بين الإشارات المركزية والهامشية لتطوير إطار شامل. من خلال بيانات استبيان واسعة النطاق ونمذجة المعادلات الهيكلية، تكشف الدراسة أن الإشارات الهامشية، مثل التعاطف البشري والدفء المدرك، إلى جانب الإشارة المركزية للكفاءة المدركة، تعزز بشكل كبير كفاءة المستخدمين الذاتية. تؤدي هذه الزيادة في الكفاءة الذاتية بدورها إلى نية أكبر لاعتماد روبوتات الدردشة GenAI.
علاوة على ذلك، تشير النتائج إلى أن overload المعلومات يعزز تأثير الإشارات الهامشية على الكفاءة الذاتية، بينما يبقى تأثيرها على الإشارات المركزية محدودًا. لا تعمق هذه الرؤى الفهم النظري لتفاعلات GenAI-البشر فحسب، بل تقدم أيضًا إرشادات عملية لتصميم خدمات توصية تركز على المستخدمين. من خلال تحسين تجارب المستخدمين، تهدف الدراسة إلى تشجيع اعتماد روبوتات الدردشة GenAI كمساعدات فعالة في اتخاذ القرار في بيئات التجارة الإلكترونية.
النتائج
تكشف نتائج هذه الدراسة، المستندة إلى نموذج احتمالية التوضيح (ELM)، عن رؤى مهمة حول كيفية تأثير الميزات البشرية على اعتماد المستخدمين للإعلانات الموصى بها عبر الإنترنت. من بين ثلاثة عشر فرضية تم اختبارها، لم يتم دعم H4 وH9 وH12 وH13، بينما تتماشى الفرضيات المتبقية مع النتائج التجريبية. على وجه التحديد، وُجد أن التعاطف البشري، والدفء المدرك، والكفاءة المدركة تعزز كفاءة المستخدمين الذاتية فيما يتعلق بروبوتات الدردشة، مما يدعم الفرضيات H1 وH2 وH3. تبني هذه الدراسة على الأبحاث السابقة التي أجراها تشين وآخرون، مؤكدة أن كل من الإشارات المركزية (الكفاءة المدركة) والهامشية (التعاطف البشري والدفء المدرك) تؤثر بشكل إيجابي على الكفاءة الذاتية، مما يؤثر بدوره على قرارات المستخدمين لاعتماد روبوتات الدردشة المعتمدة على الذكاء الاصطناعي التوليدي (GenAI)، مما يدعم الفرضية H5.
بالإضافة إلى ذلك، تشير النتائج إلى أن overload المعلومات يمكن أن يسهل المعالجة الحدسية، مما يعزز التأثيرات الإيجابية للإشارات الهامشية على الكفاءة الذاتية، وبالتالي يدعم الفرضيات H10 وH11. ومع ذلك، تبرز الدراسة أيضًا أن الكفاءة المدركة لا تعزز بشكل كبير الكفاءة الذاتية أو تتوسط العلاقة بين الكفاءة المدركة، والذكاء الإدراكي، ونية الاعتماد كمساعد في اتخاذ القرار، مما يؤدي إلى رفض الفرضيات H4 وH9 وH12 وH13. تشير النتائج إلى أنه بينما قد تبدو الوظائف المتزايدة في أنظمة الذكاء الاصطناعي مفيدة، يمكن أن تؤدي الكفاءة المفرطة إلى عدم ارتياح المستخدمين وتعيق الإفصاح عن المعلومات، كما هو ملاحظ في تأثير “وادي الغرابة العقلية”. لذلك، تؤكد الدراسة على أن تحسين قابلية تفسير الخوارزميات والشفافية أمر بالغ الأهمية لتعزيز قبول المستخدمين لـ GenAI، بدلاً من مجرد تعزيز ذكائها.
المناقشة
تساهم هذه الدراسة في فهم أنظمة التوصية المدفوعة بـ GenAI من خلال تطبيق نموذج احتمالية التوضيح (ELM) للتمييز بين الإشارات المركزية (الكفاءة المدركة والذكاء الإدراكي) والإشارات الهامشية (الدفء المدرك والتعاطف البشري) في اتخاذ قرارات المستخدمين. تشير النتائج إلى أن كلا النوعين من الإشارات يعززان بشكل كبير كفاءة المستخدمين الذاتية، مما يؤثر بدوره على نيتهم في اعتماد روبوتات الدردشة GenAI كمساعدات في اتخاذ القرار. من الجدير بالذكر أن الكفاءة الذاتية تتوسط تأثيرات الدفء المدرك، والكفاءة المدركة، والتعاطف البشري على نوايا الاعتماد، بينما يكون دور الذكاء الإدراكي في هذا السياق أقل تأثيرًا. يبرز هذا أهمية الميزات العاطفية والتعاطفية في أنظمة الذكاء الاصطناعي، مما يشير إلى أنها يمكن أن تعزز بشكل فعال ثقة المستخدمين في بيئات اتخاذ القرار المعقدة.
بالإضافة إلى ذلك، تكشف الدراسة أن overload المعلومات يمكن أن يعتدل العلاقة بين بعض الإشارات الهامشية والكفاءة الذاتية، مما يعزز التأثيرات الإيجابية للدفء المدرك والتعاطف البشري. يتناقض هذا مع الرؤية التقليدية لـ overload المعلومات باعتبارها ضارة فقط، مما يشير إلى أنه في ظل ظروف معينة، يمكن أن ينشط المعالجة الحدسية التي تحسن ثقة المستخدم. بشكل عام، تؤكد الأبحاث على أهمية الكفاءة الذاتية كآلية نفسية في اعتماد التكنولوجيا وتقدم منظورًا دقيقًا حول كيفية تأثير الميزات البشرية لـ GenAI على سلوك المستخدم في سياقات التوصية.
القيود
تقدم الدراسة الحالية إطارًا شاملاً لفهم سلوكيات التسوق عبر الإنترنت وتجسيد روبوتات الدردشة، بناءً على نماذج ELM الموسعة السابقة. ومع ذلك، تعترف بعدة قيود تستحق الانتباه. من الجدير بالذكر أن تنوع أدوات الذكاء الاصطناعي التوليدي (GAI) المتاحة عبر الإنترنت، والتي تختلف في التكلفة والوظائف، يشير إلى الحاجة إلى أبحاث مستقبلية للتمييز بين أدوات GAI المدفوعة والمجانية لتعزيز قابلية تطبيق النتائج.
بالإضافة إلى ذلك، تبرز الدراسة أن عوامل مثل الجنس، والعمر، وتجربة الاستخدام قد تعتدل العلاقة بين العوامل السابقة ونية استخدام الخدمات الذكية. يجب أن تتناول التحقيقات المستقبلية هذه المتغيرات المعدلة لكشف الفروق المحتملة عبر المجموعات السكانية. أخيرًا، تؤكد الأبحاث على أهمية التمييز بين أنواع المعلومات المرئية والنصية في عروض المنتجات عبر الإنترنت، مما يشير إلى أن الدراسات المستقبلية يجب أن تستكشف كيف تؤثر هذه الأنواع من المعلومات على سلوك المستهلك.
DOI: https://doi.org/10.1038/s41598-025-18906-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41062558
Publication Date: 2025-10-08
Author(s): Xinliang Li et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the impact of generative artificial intelligence (GenAI) chatbots on user experiences in e-commerce, particularly focusing on how anthropomorphic features influence users’ self-efficacy and their intention to adopt these chatbots as decision aids. Utilizing the elaboration likelihood model (ELM), the research integrates both central and peripheral cues to develop a comprehensive framework. Through large-scale survey data and structural equation modeling, the study reveals that peripheral cues, such as human-like empathy and perceived warmth, alongside the central cue of perceived competence, significantly enhance users’ self-efficacy. This increased self-efficacy subsequently leads to a greater intention to adopt GenAI chatbots.
Furthermore, the findings indicate that information overload amplifies the effect of peripheral cues on self-efficacy, while its impact on central cues remains limited. These insights not only deepen the theoretical understanding of GenAI-human interactions but also offer practical guidance for designing user-centric GenAI recommendation services. By optimizing user experiences, the study aims to encourage the adoption of GenAI chatbots as effective decision aids in e-commerce settings.
Results
The results of this study, grounded in the Elaboration Likelihood Model (ELM), reveal significant insights into how anthropomorphic features influence users’ adoption of online recommended advertisements. Among the thirteen hypotheses tested, H4, H9, H12, and H13 were not supported, while the remaining hypotheses aligned with the empirical findings. Specifically, human-like empathy, perceived warmth, and perceived competence were found to enhance users’ self-efficacy regarding chatbots, thereby supporting hypotheses H1, H2, and H3. This study builds on previous research by Chen et al., confirming that both central (perceived competence) and peripheral cues (human-like empathy and perceived warmth) positively influence self-efficacy, which in turn affects users’ decisions to adopt generative AI (GenAI) chatbots, supporting hypothesis H5.
Additionally, the findings indicate that information overload can facilitate heuristic processing, enhancing the positive effects of peripheral cues on self-efficacy, thus supporting hypotheses H10 and H11. However, the study also highlights that perceived competence does not significantly enhance self-efficacy or mediate the relationship between perceived competence, perceptual intelligence, and the intention to adopt as a decision aid, leading to the rejection of hypotheses H4, H9, H12, and H13. The results suggest that while increased functionalities in AI systems may seem beneficial, excessive competence can lead to user discomfort and hinder information disclosure, as noted in the “uncanny valley of mind” effect. Therefore, the study emphasizes that improving algorithm explainability and transparency is crucial for fostering user acceptance of GenAI, rather than merely enhancing its intelligence.
Discussion
This study contributes to the understanding of GenAI-driven recommendation systems by applying the Elaboration Likelihood Model (ELM) to differentiate between central cues (perceived competence and perceptual intelligence) and peripheral cues (perceived warmth and human-like empathy) in user decision-making. The findings indicate that both types of cues significantly enhance users’ self-efficacy, which in turn influences their intention to adopt GenAI chatbots as decision aids. Notably, self-efficacy mediates the effects of perceived warmth, perceived competence, and human-like empathy on adoption intentions, while the role of perceptual intelligence in this context is less impactful. This highlights the importance of emotional and empathetic features in AI systems, suggesting that they can effectively bolster user confidence in complex decision-making environments.
Additionally, the study reveals that information overload can moderate the relationship between certain peripheral cues and self-efficacy, enhancing the positive effects of perceived warmth and human-like empathy. This contrasts with the traditional view of information overload as solely detrimental, suggesting that under specific conditions, it can activate heuristic processing that improves user confidence. Overall, the research underscores the significance of self-efficacy as a psychological mechanism in technology adoption and provides a nuanced perspective on how anthropomorphic features of GenAI can influence user behavior in recommendation contexts.
Limitations
The current study presents a comprehensive framework for understanding online shopping behaviors and chatbot anthropomorphism, building upon previous extended ELM models. However, it acknowledges several limitations that warrant attention. Notably, the diversity of Generative AI (GAI) tools available online, which vary in cost and functionality, suggests a need for future research to differentiate between paid and free GAI tools to enhance the applicability of findings.
Additionally, the study highlights that factors such as gender, age, and usage experience may moderate the relationship between antecedent factors and the intention to use smart services. Future investigations should delve into these moderating variables to uncover potential differences across demographic groups. Lastly, the research emphasizes the importance of distinguishing between visual and text information types in online product displays, indicating that further studies should explore how these information types influence consumer behavior.