体验日报 · 2026 年 10 月 22 日 · 星期四
CXHUB 客户体验社区
AI弃权对建议接受度的差异化影响研究
AI咨询系统通常被设计为始终提供回应，但近期出现了一种名为“AI弃权”的设计范式，即在建议质量存疑时保留意见以提升整体指导质量。尽管大量工作致力于优化模型何时应弃权，但关于用户如何响应此类系统的研究尚显不足。一项预注册实验通过让参与者在重复的财务决策中接受两种不同建议机制（选择性建议或每次决策均建议）的辅助，揭示了同一AI弃权机制对用户产生的差异化效应。 研究发现，AI弃权对高感知专业知识用户和低感知专业知识用户的影响截然不同：它增加了高专业知识用户的建议接受度，而倾向于降低低专业知识用户的接受度。这种差异源于用户在反复协调AI建议与自身判断时所面临的认知负担。对于高专业知识用户，AI弃权似乎减轻了这种认知负担，从而提高了他们对建议的接纳程度。此外，AI弃权还缓解了专家用户在多次交互中观察到的建议接受度下降趋势。 探索性证据进一步表明，在建议能改善决策的情境下，AI弃权增加了适当的接受度，进而提升了自认为专家用户的下游决策准确性。这表明AI弃权机制是AI咨询系统的一阶设计属性，必须根据系统所服务的用户群体进行校准。该研究强调了在设计智能体或AI辅助工具时，不能仅关注算法层面的弃权逻辑，还需深入理解不同用户特征下的心理与行为反应，以实现更有效的用户体验优化。
arXiv一手原文 论文研究
arXiv一手智能体交互中的监督盲区：多模态研究揭示用户对隐性缺陷的漏检机制
在将复杂任务执行权移交给 AI 智能体的过程中，人类角色转向监督，但用户往往难以识别何时需要更深入的审查，导致看似合理的错误输出被接受。针对这一现象，一项结合形成性研究与受控实验的研究发现，用户在面对智能体生成的“静默缺陷”时表现出极高的信心，却未能通过有效检查发现这些问题，仅在事后回顾时才意识到疏忽。 该研究首先通过 N=12 的形成性研究观察到，用户倾向于在未进行彻底评估的情况下接受貌似可信的输出。为了系统性地验证这一行为模式，研究人员开展了一项 N=36 的被试内对照实验。参与者使用一个能生成正确输出、静默缺陷或可见故障的智能体完成编程任务。研究综合了任务结果、交互日志、眼动追踪、生理信号以及自我报告数据，从感知、行为和实际效果三个维度考察用户的监督能力。 实验结果显示，当智能体产生没有明显报错提示的“静默缺陷”时，参与者最常出现高置信度下的漏检。具体表现为，用户仅执行通用的表面检查，未能生成具有诊断价值的证据来验证代码逻辑，甚至有时误解了已有的缺陷证据。相比之下，当故障以可见形式呈现时，用户的监督行为更为有效。这种差异表明，缺乏显式错误信号会削弱用户的警惕性，使其依赖启发式判断而非系统性验证。 这项研究强调了单一维度的监督评估不足以反映真实风险，提出需要从感知信心、实际检查行为和最终有效性多个层面共同分析。其结论支持未来在人机协作系统中开发能够根据任务难度和用户状态进行校准的重新介入机制，旨在帮助用户在关键时刻及时恢复深度注意力，从而弥补自动化执行带来的认知盲区。
Psychology & Marketing一手研究发现消费者高估他人对情绪化内容的重视程度
消费者在决定分享内容时，往往依据对他人的价值预估，但这种预估对于带有情绪色彩的内容存在系统性偏差。根据《Psychology & Marketing》发表的公开摘要显示，四项涵盖控制任务与自然情境的研究证实，人们普遍高估了他人对情绪化内容（尤其是负面内容）的重视程度，这种高估相对于他人的自我报告及支付意愿而言显著存在。 这一偏差的心理机制在于，情绪效价使得那些受内容强烈影响的接收者样本变得格外突出。当发送者在脑海中聚焦于这些“高敏感”受众时，会不自觉地夸大整个群体对该内容的估值，进而推高了分享意向。这种判断失误并非源于其他已知的分享驱动因素，而是关于受众价值的认知投射偏差。 针对这一问题，研究提出了一种轻量级的干预手段：引导发送者将注意力从泛化的受众转移至某位具体的亲密朋友。实验证据表明，这种“焦点切换”提示能有效降低估值偏差，缩小情绪化内容与中性内容之间的分享差距。从管理与产品设计角度看，界面提示语或默认设置若能引导用户明确具体受众，有助于平衡分享行为，使传播内容更贴近受众的真实偏好。这对提升互动质量、优化客户决策以及改善消费者福祉具有实际意义，因为它纠正了导致低质或过度情绪化内容泛滥的认知根源。
Journal of Service Research一手Journal of Service Research发表急诊护理中服务互动脆弱性研究
在急诊科等高压力服务场景中，患者与医护人员均处于高度脆弱的状态，这种双向脆弱性如何影响服务结果？根据公开摘要，一项发表于《Journal of Service Research》的研究提出了“服务互动脆弱性”（Service Interaction Vulnerability, SIV）的理论框架，旨在解释医患互动如何加剧或缓解双方的脆弱感，进而决定服务是走向失败还是成功。 该研究指出，医护人员的脆弱性主要源于长时间轮班、高接诊量、具有挑战性的患者行为以及系统性约束带来的情绪耗竭。与此同时，患者的脆弱性不仅来自疾病或创伤本身及其对医护人员的依赖，还受到其呈现的特定特征（如亲密伴侣暴力史、物质滥用或自杀意念）的影响，这些特征往往塑造了他们在医疗系统中被感知和被对待的方式。这两种维度的脆弱性在互动中交织，常常导致非预期的负面后果，进一步放大双方的感知脆弱性。 为了构建这一理论框架，研究团队采用了混合方法，包括医院数据分析与网络民族志（netnography）。通过深入考察这些动态交互过程，研究揭示了在高危服务情境下，特定的互动模式如何成为触发服务失败或促成成功服务体验的关键变量。这一发现为理解复杂医疗服务环境中的“双重脆弱性”提供了新的视角，有助于从业者识别那些容易被忽视的系统性与人际因素，从而优化急诊护理的服务设计与体验管理策略。
Psychology & Marketing一手Psychology & Marketing：AI自主性与用户控制在不同技术威胁下的评估路径研究
消费者对具备人工智能自主性的产品反应，取决于其是否保留有意义的控制权以及感知到的技术威胁程度。根据公开摘要，一项发表于《Psychology & Marketing》的研究结合技术威胁规避理论与风险-收益评估视角，通过一项定性研究和三项实验，探讨了在不同感知技术威胁水平下，AI自主性与用户控制如何塑造消费者反应。 研究发现存在两种不同的评估模式。在高感知技术威胁情境下，AI自主性与用户控制交互影响感知产品风险；当用户控制水平较高时，更高的AI自主性反而与较低的感知风险相关，进而影响消费者反应。在低感知技术威胁情境下，更高的AI自主性增强了感知相对收益，从而促进积极的消费者反应。研究还通过类别内操纵技术威胁提供了更受控的测试。 该研究将证据范围从购买和使用意向扩展至产品选择、信息搜索、试驾决策及支付意愿。总体而言，这项研究提供了一个以威胁情境为条件的消费者反应解释框架，强调了在技术威胁下保留用户控制的重要性，并识别了在不同威胁背景下由风险和收益驱动的不同评估路径。对于设计AI驱动产品的从业者而言，这意味着不能一概而论地追求高自主性或高控制感，而需根据用户对技术的潜在威胁感知来调整交互策略：在用户感到不安或威胁时，赋予更多控制权以缓解风险感知；在用户感到安全时，提升自主性以放大收益感知。
方法与观点
Jakob Nielsen · UX TigersJakob Nielsen：UX中的心流状态与设计准则
心流是工作全神贯注、时间感消失且表现达到巅峰的状态，其核心前提是清晰的目标、即时反馈以及与技能匹配的挑战。在软件设计中，延迟和中断是破坏心流的两大敌人。系统响应需遵循“1秒契约”：0.1秒内让用户感觉操作即时生效，1秒内保持思维连贯，超过10秒则需提供进度指示。中断任务恢复平均耗时约23分钟，因此通知应在任务边界而非中途送达，并允许用户协商接收时机。 区分心流与“黑暗心流”至关重要。前者伴随技能提升和目标达成，后者如无限滚动信息流，通过消除停止线索制造被动沉迷。设计师应移除永久性的新手引导，为专家提供快捷键等加速器，确保挑战始终高于无聊但低于焦虑。在AI应用中，应避免让自动化剥夺用户的认知挑战，转而让人类负责决策与编辑，AI处理繁琐任务。测量心流时，传统的出声思考法会干扰状态，建议采用静默测试结合事后时间估算及“这段时间是否值得”的反思提问。最终的设计目标是构建有明确出口（河岸）的高效通道，而非无底深渊般的漩涡。