DOI: https://doi.org/10.1007/s00146-025-02477-6
تاريخ النشر: 2025-07-15
المؤلف: Qinpu Dang وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
يقدم قسم ورقة البحث مراجعة منهجية لـ 562 دراسة تجريبية تركزت على الثقة البشرية في الذكاء الاصطناعي (AI)، مع معالجة التناقضات في الأدبيات الحالية بشأن العوامل المؤثرة على هذه الثقة. تشمل العوامل الرئيسية المحددة قدرة الذكاء الاصطناعي، والتجسيد، والعوامل الفردية، والقدرة على التفسير، بينما تشمل عواقب الثقة النية السلوكية، والموقف، والقبول. ومن الجدير بالذكر أن التحليل عبر الثقافات كشف عن اختلافات كبيرة في كيفية تأثير السياقات الثقافية على إدراك هذه العوامل وأولوياتها، مما يبرز ضرورة اتباع نهج متعدد الأبعاد في تصميم الذكاء الاصطناعي يتضمن الحساسية الثقافية.
تدعو النتائج إلى مزيد من الاستكشاف في تشكيل الثقة الديناميكية، وعلاقات الثقة المتبادلة، وتطور الثقة مع مرور الوقت. من خلال معالجة هذه المجالات، تهدف الدراسة إلى تعزيز فهم الثقة في الذكاء الاصطناعي والمساهمة في تطوير تقنيات الذكاء الاصطناعي المتكيفة ثقافياً والأخلاقية. تسلط هذه المراجعة الشاملة الضوء على الحاجة الملحة إلى إطار موحد لتعزيز الثقة في أنظمة الذكاء الاصطناعي، مما يعزز في النهاية قبولها ودمجها الفعال في المجتمع.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في الثورة الصناعية الرابعة، وتأثيره على مختلف القطاعات مثل الرعاية الصحية، والمالية، والتجارة الإلكترونية. يُعرف الذكاء الاصطناعي بأنه دراسة الوكلاء الأذكياء الذين يدركون ويتصرفون، متطوراً من الأنظمة القائمة على القواعد إلى نماذج التعلم الآلي المتقدمة ونماذج اللغة الكبيرة (LLMs). لقد غيرت هذه التطورات من تصورات الجمهور حول الذكاء الاصطناعي وأعقدت ديناميات الثقة في التفاعلات بين البشر والذكاء الاصطناعي. تؤكد الورقة على ضرورة اتباع نهج حساس للسياق لفهم الثقة، حيث يؤثر بشكل كبير على سلوك المستخدم وقبول النظام، خاصة في البيئات ذات المخاطر العالية مثل الرعاية الصحية والتجارة.
يشير المؤلفون إلى أنه على الرغم من أن الثقة ضرورية لدمج الذكاء الاصطناعي، إلا أن التحديات مثل العدالة الخوارزمية، والشفافية، والمحاذاة الأخلاقية لا تزال قائمة. يشيرون إلى أطر الثقة الأساسية، مثل نموذج ماير وآخرون ونموذج قبول التكنولوجيا، لإبلاغ تحليلهم المنهجي لعوامل الثقة ودينامياتها. على الرغم من الأبحاث الحالية، فإن النتائج المتعلقة بالثقة في الذكاء الاصطناعي غير متسقة، خاصة فيما يتعلق بالتأثيرات الثقافية وإدراك المستخدمين. تهدف الورقة إلى سد الفجوات في الأدبيات من خلال تقديم مراجعة شاملة تدمج وجهات نظر عبر الثقافات والاعتبارات الأخلاقية، مما يقترح في النهاية إطاراً يصنف الأبحاث إلى عوامل، ووسائط، ومعدلات، وعواقب الثقة في الذكاء الاصطناعي. يسعى هذا التركيب إلى إبلاغ تصميم ونشر الذكاء الاصطناعي المسؤول، مع معالجة تقاطع القيم الثقافية والتوقعات الأخلاقية في تشكيل الثقة.
الطرق
يستعرض قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. يوضح تصميم التجربة، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لضمان موثوقية وصدق النتائج. استخدمت الدراسة نهجاً كميًا، مستفيدة من الأدوات الإحصائية لتحليل البيانات المجمعة من مصادر متنوعة.
تم تجنيد المشاركين بناءً على معايير إدراج محددة، لضمان عينة تمثيلية ذات صلة بأهداف البحث. شملت جمع البيانات استبيانات منظمة وتجارب محكومة، تم تصميمها لتقليل التحيز وزيادة دقة النتائج. تم إجراء التحليل باستخدام أساليب إحصائية مناسبة، مثل تحليل الانحدار واختبار الفرضيات، لاستخلاص استنتاجات ذات مغزى من البيانات. بشكل عام، تم تصميم المنهجية بدقة لدعم أهداف البحث وتسهيل تكرار الدراسة في الأبحاث المستقبلية.
النتائج
كشفت المراجعة المنهجية حول الثقة البشرية في الذكاء الاصطناعي عن رؤى مهمة حول العوامل السابقة، والعواقب، والوسائط، والمعدلات للثقة عبر سياقات ثقافية متنوعة. سلطت المراجعة الضوء على مجموعة متزايدة من الأدبيات، خاصة بعد عام 2021، مع تركيز ملحوظ للدراسات في الولايات المتحدة والصين، تليها الهند، وألمانيا، وكوريا الجنوبية، والمملكة المتحدة. تشمل العوامل الرئيسية المؤثرة على الثقة القدرة، والتجسيد، والعوامل الفردية، والقدرة على التفسير، ومخاطر الخصوصية، مع اختلافات في انتشارها عبر قارات مختلفة. على سبيل المثال، أبلغت الدراسات التي شملت مواضيع آسيوية عن تكرارات أعلى لعدة عوامل مقارنة بتلك القادمة من أمريكا الشمالية وأوروبا.
أشار تحليل مقارن بين الولايات المتحدة والصين إلى أن العوامل الفردية كانت الأكثر تأثيرًا في الولايات المتحدة، بينما كانت القدرة هي الأعلى في الصين. يبرز هذا التمييز أهمية القيم الثقافية وأولويات البحث المحلية في تشكيل إدراك الثقة. كما حددت المراجعة النية السلوكية كالعاقبة الرئيسية للثقة في الذكاء الاصطناعي، حيث أظهرت المواضيع الآسيوية مجموعة أوسع من النتائج مقارنة بالمناطق الأخرى. بشكل عام، تؤكد النتائج على الحاجة إلى فصل التأثيرات الثقافية عن اختلافات تصميم البحث لفهم أفضل لديناميات الثقة في الذكاء الاصطناعي عبر سياقات متنوعة.
المناقشة
يستعرض قسم المناقشة في هذه الورقة البحثية مراجعة منهجية للأدبيات تهدف إلى فهم الثقة البشرية في الذكاء الاصطناعي (AI) عبر مجالات متعددة، بما في ذلك علوم الكمبيوتر، وعلم النفس، والتسويق. وفقًا لإرشادات PRISMA، حددت المراجعة بدقة الأدبيات من ثلاثة قواعد بيانات رئيسية، مما أسفر عن اختيار نهائي لـ 562 دراسة تجريبية تمت مراجعتها من قبل الأقران. استخدمت المراجعة بروتوكول تحقق متعدد المحققين لضمان الصرامة المنهجية وموثوقية تقييمات المحققين، مع التركيز على الدراسات التي فحصت العوامل السابقة والعواقب للثقة في الذكاء الاصطناعي. شمل عملية الترميز بروتوكولًا موحدًا لاستخراج البيانات ذات الصلة، والتي تم تجميعها بعد ذلك لتحديد الأنماط والاختلافات في أبحاث الثقة.
تكشف النتائج عن تنوع منهجي كبير في الدراسات التي تمت مراجعتها، مع استخدام أساليب متنوعة لقياس الثقة في الذكاء الاصطناعي، بما في ذلك الاستبيانات والتصاميم التجريبية. صنفت التحليلات الدراسات بناءً على أنواع أنظمة الذكاء الاصطناعي وسيناريوهات التطبيق، مما يبرز تركيز الأبحاث في قطاعات مثل الرعاية الصحية والتجزئة. اختلفت درجات الثقة الأولية بشكل كبير عبر البلدان، حيث أظهرت ماليزيا والنرويج أعلى مستويات من الثقة، بينما أبلغت عدة دول أوروبية عن درجات أقل. تحدد المراجعة أيضًا أربعة مجالات مترابطة تؤثر على الثقة في الذكاء الاصطناعي: خصائص النظام، وخصائص المستخدم، وديناميات التفاعل بين الذكاء الاصطناعي والبشر، والمعدلات الثقافية. يسهل هذا الإطار متعدد الأبعاد فهمًا شاملاً للعوامل التي تشكل الثقة في الذكاء الاصطناعي، مما يبرز الحاجة إلى مزيد من الأبحاث لاستكشاف السياقات غير الممثلة وتأثيرات العوامل الثقافية والاجتماعية الدقيقة على إدراك الثقة.
القيود
تسلط القيود في هذه المراجعة الضوء على عدة مجالات حاسمة للبحث المستقبلي. أولاً، التركيز الحصري على الدراسات التجريبية الكمية يستبعد الأبحاث النوعية، التي تعتبر ضرورية لفهم العمليات التفسيرية والمعاني الثقافية التي تؤثر على الثقة في الذكاء الاصطناعي. قد تختلف مفاهيم مثل الشفافية، والتجسيد، والعدالة بشكل كبير عبر سياقات ثقافية مختلفة، مما يشير إلى أن الدراسات المستقبلية يجب أن تستخدم تصاميم مختلطة الأساليب لالتقاط كل من عمومية النتائج الكمية والعمق السياقي الذي توفره الرؤى النوعية.
ثانيًا، على الرغم من الالتزام بإرشادات PRISMA للشفافية المنهجية، تعترف المراجعة بالقيود الهيكلية الناجمة عن الطبيعة متعددة التخصصات للأدبيات. قد تؤدي التحيزات المحتملة، مثل استبعاد المنشورات غير الإنجليزية والتمثيل الجغرافي غير المتكافئ، إلى تشويه رؤية بعض الأصوات والتقنيات. لمعالجة هذه الاختلالات، يجب أن تشمل المراجعات المستقبلية مجموعة أوسع من وجهات النظر العالمية ومصادر غير تقليدية. بالإضافة إلى ذلك، قد لا تعكس المقارنة الموحدة لمستويات الثقة الأولية عبر البلدان، بناءً على عدد المشاركين، بشكل كافٍ الاختلافات في استراتيجيات العينة وجودة البيانات. يمكن أن تعزز الأبحاث المستقبلية موثوقية المقارنات عبر البلدان من خلال تضمين مقاييس تمثيل العينة والتباين داخل الدراسة. أخيرًا، قد تؤدي المبالغة في تمثيل الدراسات الآسيوية في التحليل إلى إخفاء أنماط الثقة في المناطق الأقل تمثيلًا، مما يشير إلى الحاجة إلى تفكيك البيانات بشكل أكثر دقة. بشكل عام، بينما تضع هذه المراجعة الأساس لفهم الثقة في الذكاء الاصطناعي، فإنها تدعو إلى مزيد من التحسين والتوسع في جهود البحث لتطوير قاعدة أدلة أكثر شمولاً وملاءمة للسياق.
DOI: https://doi.org/10.1007/s00146-025-02477-6
Publication Date: 2025-07-15
Author(s): Qinpu Dang et al.
Primary Topic: AI in Service Interactions
Overview
The research paper section presents a systematic review of 562 empirical studies focused on human trust in artificial intelligence (AI), addressing the inconsistencies in existing literature regarding the factors influencing this trust. Key antecedents identified include AI capability, anthropomorphism, individual factors, and explainability, while the consequences of trust encompass behavioral intention, attitude, and acceptance. Notably, a cross-cultural analysis revealed significant variations in how cultural contexts affect the perception and prioritization of these factors, underscoring the necessity for a multidimensional approach to AI design that incorporates cultural sensitivity.
The findings advocate for further exploration into dynamic trust formation, reciprocal trust relationships, and the evolution of trust over time. By addressing these areas, the research aims to enhance the understanding of trust in AI and contribute to the development of culturally adapted and ethically sound AI technologies. This comprehensive review highlights the critical need for a unified framework to foster trust in AI systems, ultimately promoting their acceptance and effective integration into society.
Introduction
The introduction of this research paper highlights the transformative role of Artificial Intelligence (AI) in the Fourth Industrial Revolution, impacting various sectors such as healthcare, finance, and e-commerce. AI is defined as the study of intelligent agents that perceive and act, evolving from rule-based systems to advanced machine learning models and large language models (LLMs). This evolution has altered public perceptions of AI and complicated trust dynamics in human-AI interactions. The paper emphasizes the necessity of a context-sensitive approach to understanding trust, as it significantly influences user behavior and system acceptance, particularly in high-stakes environments like healthcare and commerce.
The authors note that while trust is crucial for the integration of AI, challenges such as algorithmic fairness, transparency, and ethical alignment persist. They reference foundational trust frameworks, such as Mayer et al.’s model and the Technology Acceptance Model, to inform their systematic analysis of trust antecedents and dynamics. Despite existing research, findings on trust in AI are inconsistent, particularly concerning cultural influences and user perceptions. The paper aims to fill gaps in the literature by providing a comprehensive review that integrates cross-cultural perspectives and ethical considerations, ultimately proposing a framework that categorizes research into antecedents, mediators, moderators, and consequences of trust in AI. This synthesis seeks to inform responsible AI design and deployment, addressing the intersection of cultural values and ethical expectations in shaping trust.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized to ensure the reliability and validity of the findings. The study employed a quantitative approach, utilizing statistical tools to analyze the data collected from various sources.
Participants were recruited based on specific inclusion criteria, ensuring a representative sample relevant to the research objectives. Data collection involved structured surveys and controlled experiments, which were designed to minimize bias and maximize the accuracy of the results. The analysis was conducted using appropriate statistical methods, such as regression analysis and hypothesis testing, to draw meaningful conclusions from the data. Overall, the methodology was rigorously designed to support the research aims and facilitate the replication of the study in future research.
Results
The systematic review on human trust in AI revealed significant insights into the antecedents, consequences, mediators, and moderators of trust across various cultural contexts. The review highlighted a growing body of literature, particularly post-2021, with a notable concentration of studies in the United States and China, followed by India, Germany, South Korea, and the United Kingdom. Key antecedents influencing trust included capability, anthropomorphism, individual factors, explainability, and privacy risk, with variations in their prevalence across different continents. For instance, studies involving Asian subjects reported higher frequencies for several antecedents compared to those from North America and Europe.
A comparative analysis between the United States and China indicated that individual factors were the most influential in the U.S., while capability ranked highest in China. This distinction underscores the importance of cultural values and local research priorities in shaping trust perceptions. The review also identified behavioral intention as the primary consequence of trust in AI, with Asian subjects exhibiting a broader range of outcomes compared to other regions. Overall, the findings emphasize the need to disentangle cultural influences from research design differences to better understand the dynamics of trust in AI across diverse contexts.
Discussion
The discussion section of this research paper outlines a systematic literature review aimed at understanding human trust in artificial intelligence (AI) across various disciplines, including computer science, psychology, and marketing. Following the PRISMA guidelines, the review meticulously identified and screened literature from three major databases, resulting in a final selection of 562 peer-reviewed empirical studies. The review employed a multi-investigator verification protocol to ensure methodological rigor and inter-rater reliability, focusing on studies that examined the antecedents and consequences of trust in AI. The coding process involved a standardized protocol to extract relevant data, which was then synthesized to identify patterns and discrepancies in trust research.
The findings reveal significant methodological diversity in the studies reviewed, with various approaches used to measure trust in AI, including surveys and experimental designs. The analysis categorized studies based on AI system types and application scenarios, highlighting a concentration of research in sectors like healthcare and retail. Initial trust scores varied significantly across countries, with Malaysia and Norway exhibiting the highest levels of trust, while several European nations reported lower scores. The review further delineates four interconnected domains influencing trust in AI: system attributes, user characteristics, AI-human interaction dynamics, and cultural moderators. This multidimensional framework facilitates a comprehensive understanding of the factors shaping trust in AI, emphasizing the need for future research to explore underrepresented contexts and the nuanced influences of cultural and societal factors on trust perceptions.
Limitations
The limitations of this review highlight several critical areas for future research. Firstly, the exclusive emphasis on quantitative empirical studies excludes qualitative research, which is essential for understanding the interpretive processes and cultural meanings that influence trust in AI. Concepts such as transparency, anthropomorphism, and fairness may vary significantly across different cultural contexts, suggesting that future studies should employ mixed-methods designs to capture both the generalizability of quantitative findings and the contextual depth provided by qualitative insights.
Secondly, despite adherence to PRISMA guidelines for methodological transparency, the review acknowledges structural limitations stemming from the interdisciplinary nature of the literature. Potential biases, such as the exclusion of non-English publications and uneven geographical representation, may skew the visibility of certain voices and technologies. To address these imbalances, future reviews should incorporate a broader range of global perspectives and non-traditional sources. Additionally, the standardized comparison of initial trust levels across countries, based on participant counts, may not adequately reflect variations in sampling strategies and data quality. Future research could enhance the reliability of cross-country comparisons by incorporating measures of sample representativeness and within-study variance. Lastly, the overrepresentation of Asian studies in the analysis may obscure trust patterns in less-represented regions, indicating a need for more nuanced disaggregation of data. Overall, while this review lays the groundwork for understanding trust in AI, it calls for further refinement and expansion of research efforts to develop a more inclusive and contextually relevant evidence base.