本文是一篇管理论文，本文以485份调查问卷样本数据作为研究对象，基于SOR理论模型，探讨在智能导航产品使用情景下人机交互感知与消费者使用意愿之间的关系。
第一章绪论
1.1 研究背景
自动驾驶技术将会对交通运输产业、城市规划和环境保护等领域产生深远的影响[1]。我国在十九大报告中明确了大力发展科学技术、打造智慧社会和交通强国的目标，而自动驾驶技术则是其中不可或缺的一部分。国家和地方政府相继出台了一系列政策文件，如《促进新一代人工智能产业发展三年行动计划（2018—2020年）》①、《新一代人工智能发展规划》②以及《关于全面深入推进绿色交通发展的意见》③等，为发展自动驾驶技术提供强力支持。目前，美国国际自动机工程师学会（Society of Automotive Engineers International，SAE International）使用L0-L5对自动驾驶技术进行等级划分，而目前市场上的自动驾驶系统大多数处于L0-L2[2]，官方也认为目前车辆仍然应该由驾驶员控制并对车辆的安全负责，自动驾驶技术只能作为辅助。对于自动驾驶技术的发展进程，学术界认为当前仍需要大量的数据和算法支持，但随着大规模数据集和更强大的计算能力的出现，该技术将会更快速和更可靠[3]。在追求技术水平提升的同时，学者们也开始重视自动驾驶技术发展所面临的法律和道德挑战，例如责任和安全标准的界定等，这些问题的存在不利于提高消费者对自动驾驶技术的接受度，严重阻碍了自动驾驶汽车等产品的普及[4-6]。因此，本文选择智能导航语音助手作为自动驾驶技术的子系统对消费者的感知和态度展开研究。
在完全实现自动化驾驶前，驾驶员和自动驾驶系统共享车辆控制权，协同完成驾驶任务，驾驶员对自动驾驶系统的信任关系到人机协同效率与驾驶安全[7]。过度依赖自动化系统（滥用）和放弃使用自动化系统（弃用）都可能导致灾难性的后果，如：2012年1月导致32名乘客死亡的歌诗达协和号（Costa Concordia）游轮，由于船长不信任该船的导航系统，在撞上浅礁之前偏离了船的计算机程序路线，导致了沉船[8]；导致土耳其航空公司1951航班在2009年2月坠毁的原因之一是飞行员在高度测量仪器故障后继续依赖自动驾驶仪。上述案例说明了专业技术人员对智能系统保持适度信任的重要性，与之相比普通消费者缺乏客观评价自动化系统性能的专业知识，部分学者提出其人机信任度与自动化系统实际能力之间的匹配是影响自动化系统接受度和使用率的重要因素[9-10]。
1.2 研究问题及研究意义
1.2.1 研究问题
得益于机器学习、自然语言处理、计算机视觉等人工智能技术的进步，自动化系统的能力大幅提升，人工智能产品在人们生活中的角色越来越重要，学者们对人机交互的关注度也逐渐提升。但学术界人机交互领域的现有文献以提高技术水平的研究为主，围绕用户视角展开的管理学实证研究稍显不足。智能导航是人工智能在交通领域的重要应用之一，也是自动驾驶系统的重要功能模块，消费者作为人机交互中的重要主体，其需求满足和体验优化值得进一步探究。因此，本文研究用户对智能导航产品的交互感知、使用意愿及两者之间的影响要素。
由于消费者难以客观评估自动化系统的性能，所以人机信任在决定消费者使用意愿方面起着主导作用。无论人机信任程度过高还是过低，都可能会导致滥用或弃用自动化系统的行为，从而引发事故。因此，本文研究人机信任在人机交互感知和使用意愿关系中的中介作用，来解析人机交互中消费者的心理反应机制。
隐私意识会影响消费者的态度和信念，且在现实背景中，人工智能等技术的发展引起了人们对隐私安全的担忧。企业如何权衡追求商业利益与保护消费者隐私之间的矛盾成为亟待解决的难题。因此，本文尝试研究不同隐私意识水平在人机交互感知与人机信任关系中的调节作用，探讨隐私意识对消费者产品使用意愿的影响以及企业保护消费者隐私的重要性。
第二章 理论基础和研究综述
2.1 SOR理论模型
沃森[16]最早提出的S-R理论是指“刺激—反应”理论，它将人类行为划分为刺激（Stimulus，S）和反应（Response，R），认为刺激可以来自于个体内部的感知，也可以来自外界，而随刺激的产生而呈现的结果就是反应。基于这一理论，Skinner[17]指出外界环境与人类行为之间存在关联性，并对其进行了研究。这些关于“刺激—反应”理论的早期研究认为人对刺激的反应是被动、一致的，忽视了人的主观能动性，将“刺激—反应”（S-R）模型视为一个“黑箱”。因此，环境学家Mehrabian和Russell[18]从环境心理学角度为S-R模型加入“机体”（Organism，O），即人类个体的内心感知及心理活动过程，形成了SOR理论模型，进一步完善了从刺激到反应的影响机制，如图2-1所示。
SOR理论模型是由刺激-反应理论优化而来，两者的主要区别是SOR模型认为个体的刺激-反应过程不是机械、直接、被动式的，有机体能够主动获取刺激并产生一定的心理活动。这里的S代表促进人类行为的因素，可以是外部环境因素或个体内部因素；O则表示人们的情感和认知状态，介于刺激和反应之间，是连接两者的一个变量；R表示在受到外部刺激后，经过主体内部的处理，最终产生了接受或拒绝、采纳或规避等心理或行为上的反应，如在心理学的领域中，SOR模型频繁出现在学者们关于消费者行为的研究中[19-21]。
2.2 人机交互感知相关研究
2.2.1 互动性的定义及不同研究视角
在20世纪90年代初，“互动性”一词开始在商业贸易、学术期刊以及公众生活中被频繁使用[26]。随着数字技术的发展，互动性逐渐成为线上市场营销和新媒体等应用场景的一个重要概念[27-28]。根据不同的使用情景，不同学术领域的学者对互动性进行了差异化的解读，为了展开进一步的研究，有必要对互动性的内涵进行统一。
通过对现存文献进行分析，发现学者们主要从四个角度剖析互动性的内涵：技术特征、信息交换过程、用户体验技术的感知以及结合这三个角度的综合视角[29]。其中，许多研究人员强调了第三个视角的重要性，即消费者对互动过程或系统互动功能的感知，因为分析消费者对一项技术的体验评价被认为比互动过程或系统的技术功能本身更重要[29-31]。Lee[32]也认为互动性不应该通过分析互动过程或互动系统的结构特征来衡量，提出未来的互动性研究应该沿袭市场营销学、广告学、通信等领域研究的传统，提高对消费者感知的关注程度[29]。基于以往的研究，互动性可以进一步抽象为三个要素：可控性、同步性和双向性，并且这三个维度之间相互关联[33]。首先，可控性被定义为消费者能操纵互动内容、时间和顺序的程度[29,34-36]，也有部分学者将互动性直接等同为控制[37-38]。第二，同步性是指系统与消费者沟通和响应的速度，高水平的同步性有利于促进沟通，因为长时间的等待会使消费者对电商购物网站产生负面评价[39-42]。第三，具有双向性特点的计算机系统允许信息发送方和接收方的角色互换。Bretz和Schmidbauer[43]将双向性理解为双向沟通。Pavlik[44]也提出，互动性意味着沟通双方的双向交流。双向性的概念与Zack[45]研究的信息交流、相互性和相邻性一致，信息平等的概念就是基于双向性提出的。此外，Hanssen等人[46]认为双向性也代表着消费者和互动系统之间的平等。除了剖析多维结构，部分学者也将互动性作为一个单维概念进行研究。Kiss和Esch[47]将互动性定义为一个维度，并使用网站上可点击区域的数量来测量互动性。Rodríguez-Ardura和Martínez-López[48]将响应性、沟通和可控性维度结合进行研究。
第三章 模型构建与研究假设 ························· 25
3.1 研究模型构建 ·························· 25
3.2 人机交互感知对消费者使用意愿的影响 ···················· 25
第四章 研究设计 ··························· 28
4.1 样本选取与数据来源 ························ 28
4.2 变量说明 ·················· 29
第五章 实证分析 ····························· 33
5.1 描述性统计与相关性分析 ·················· 33
5.1.1 描述性统计分析 ························· 33
5.1.2 相关性分析 ····························· 36
第五章 实证分析
5.1 描述性统计与相关性分析
5.1.1 描述性统计分析
基于已有研究量表，通过多次团队研讨，本研究对问卷进行了持续改进，在问卷星和腾讯问卷平台发放在线问卷，并设置了2个甄别选项筛选调研对象，筛选标准为有智能导航产品使用经历且主动/被动地体验过智能导航的语音助手功能，对与智能导航产品有过交互体验的用户展开调研。
本研究的调查问卷共涉及25个题目，其中自变量人机交互感知有7个题目，中介变量人机信任有5个题目，调节变量隐私意识有10个题目，因变量消费者使用意愿有3个题目。为了确保本研究问卷的有效性，在进行正式调研之前进行预调研。预调研阶段收到的问卷共计272份，有效问卷171份，超过了题目数量的5倍以上，符合可靠性的统计标准。在预调研后进行信效度分析，删除了3个信度不佳的人机交互感知的测量题项，保证了问卷的可靠性。在正式调研阶段收到626份问卷，两个阶段共收集898份问卷。通过筛选题项，去除不属于研究对象的问卷样本，得到600个符合研究目的的样本，接着对无效
