《Cognitive Systems Research》：Enhancing persuasion with social robots: leveraging user mood with tailored message style and orientation
编辑推荐：
机器人交流方式（修辞/声明）与取向（预防/促进）对用户配合意愿的影响研究，发现负面情绪用户更易接受修辞或促进型信息，正面情绪用户则倾向预防型信息，声明和修辞信息均被正面情绪用户接受。该研究为情绪智能机器人、人机交互框架及适应性沟通系统设计提供理论支持与实践启示。
李恩珠 | 朴道亨
韩国首尔国民大学商学院
摘要
在蓬勃发展的人机交互（HRI）领域，本研究探讨了机器人交流的动态特性、机器人的说话风格（修辞性话语与陈述性话语）以及机器人的说话导向（预防性话语与促进性话语），并分析了这些因素对用户在两种不同情绪状态下的遵从性和意图的影响。虽然用户的情绪、机器人的话语风格和导向本身并未对遵从性产生显著影响，但我们发现了一些有趣的互动现象：情绪消极的用户更倾向于遵从机器人的修辞性或促进性话语，而情绪积极的用户则更倾向于遵从机器人的预防性话语。此外，无论是陈述性话语还是修辞性话语，都受到情绪积极用户的接受。本研究的结果强调了在设计技术交互时的重要性，因为未来通过网页和移动应用、AI聊天机器人、语音助手以及可能的机器人，我们将在日常生活中频繁与技术进行互动，这可能对个人行为、社会和生活产生巨大影响。这项研究为理解人类行为及其与情绪、话语风格和导向之间的关系提供了新的见解，为开发情感智能机器人、有效的人机交互框架和适应情绪的信息系统开辟了新的途径。实际上，我们的发现突显了适应性交流、情绪检测技术和伦理指南在技术设计中的重要性。
引言
在人机交互（HRI）领域，人们越来越期望机器人能够承担超出常规操作任务的复杂角色，深入影响人类的认知、情感和决策过程。随着机器人逐渐融入日常生活和专业场景，它们引导、说服甚至塑造人类行为的能力变得至关重要。研究表明，用户通常认为机器人的反馈是理性且客观的，其重要性常常与人类提供的指导相当（Edwards等人，2021年；Nass等人，1994年）。然而，这种对机器人的日益依赖也带来了一些挑战。用户往往没有意识到机器人在多大程度上影响了他们的无意识认知过程，尤其是在用户情绪脆弱或面临巨大压力的情况下，这引发了关于伦理和实际影响的担忧（Borenstein和Arkin，2016年；Borenstein和Pearson，2013年）。
一个相关的例子可以说明这一动态：一个用户正在处理一个高风险的项目，距离截止日期只剩下一周时间，当机器人建议从头开始重新进行项目时，用户陷入了困境——这一建议与他们当前的策略相悖。同样，机器人也可能根据对项目进展的负面评估而劝阻用户继续进行项目，从而在用户判断和机器人反馈之间产生冲突。这些情况凸显了“算法权威偏见”的潜在问题，表明尽管用户持有相反的个人观点，他们仍往往会听从机器人的建议。这些互动揭示了理解影响机器人说服力的情境因素（如情绪、话语风格和导向）的迫切需求。
关于人类沟通和决策的现有研究为这些因素提供了宝贵的见解。情绪作为一种持久的心理状态，已被证明会显著影响信息处理和判断（Forgas，1995年；Gardner，1985年）。积极情绪通常会促进开放的心态和对外部建议的接受度，而消极情绪则可能增加抵抗情绪，尽管在某些条件下也可能提高动机（Keller等人，2003年；Wegener等人，1995年）。同样，话语风格在说服性沟通中也得到了研究，修辞性话语往往能促进更深入的参与和反思，而陈述性话语则因其清晰性和直接性而受到重视（McQuarrie & Mick，1992年；O’Keefe，1988年）。调节焦点理论进一步强调了话语导向的重要性，区分了强调收益的促进性话语和强调风险避免的预防性话语（Higgins，1997年）。然而，尽管这些概念已在人际沟通中得到研究，但它们在HRI中的应用——特别是情绪、话语风格和导向之间的相互作用——仍需进一步探索。
尽管HRI取得了显著进展，但在理解这些因素如何共同影响用户遵从性和决策方面仍存在关键空白。大多数现有研究都是孤立地考察每个因素，未能考虑情绪如何调节不同话语风格或导向在机器人交流中的有效性。此外，关于机器人如何根据不同的用户状态和情境调整其交流策略的实际见解仍然有限。解决这些空白对于开发既能促进用户自主性又能提升决策过程的有效机器人系统至关重要。
本研究旨在通过探讨机器人的话语风格（陈述性 vs. 修辞性）和话语导向（促进性 vs. 预防性）与用户情绪（积极 vs. 消极）之间的相互作用，来填补人机交互领域的关键空白，从而研究机器人的说服力。具体而言，它关注高风险的场景，因为在这些场景中用户对机器人建议的遵从性具有重大意义。通过借鉴情绪理论、说服性沟通和调节焦点理论的见解，本研究构建了一个全面的框架，以更好地理解机器人说服力和用户决策的动态。为了指导这项研究，提出了以下研究问题：
研究问题1. 用户的情绪（积极 vs. 消极）如何影响对机器人建议的遵从性？
研究问题2. 机器人的话语风格（陈述性 vs. 修辞性）如何影响其说服效果？
研究问题3. 机器人的话语导向（促进性 vs. 预防性）如何与用户情绪相互作用以影响遵从性？
研究问题4. 这些因素如何共同影响高风险决策场景中机器人沟通的说服力？
通过回答这些问题，本研究不仅增强了人们对情绪、话语风格和导向之间相互作用的理论理解，还为设计适应性和伦理性的机器人系统提供了实用见解。这些发现有望为学术界和实践者提供优化人机交互的策略，确保机器人在不同情境下既能支持用户自主性，又能有效引导决策。
章节片段
理论背景和假设
人机交互已成为一个重要的研究领域，研究人员越来越关注影响用户对机器人交流反应的心理和行为因素。其中，用户的情绪和认知状态尤为重要，特别是情绪，它显著影响个体处理信息和做出决策的方式。情绪作为一种持久的心理状态，会影响判断、行为和对外部刺激的接受程度。
实验设计和参与者
本研究采用2x2x2因子设计，考察用户在两种不同情绪（积极 vs. 消极）的影响下，对数字对话代理（社交机器人）的遵从意图如何因话语风格（陈述性 vs. 修辞性）和话语导向（预防性 vs. 促进性）而变化。这种实验设计允许全面分析这些因素如何相互作用以影响遵从意图，从而提供相关见解。
有效性和可靠性
通过统计有效性评估，确定在本研究中使用平均分数作为各因素的代表值是否合适。进行了探索性因子分析（EFA）以验证各项测量是否测量了相同的潜在结构，并使用Cronbach’s α进行了可靠性分析以检查各项之间的内部一致性。通过这一过程，确立了使用平均分数作为代表值的统计依据。
结论
科学和技术的进步继续以深远的方式塑造人类的认知和行为。本研究旨在实证考察机器人的语言 pragmatic 情境（特别是话语风格（陈述性 vs. 修辞性）和导向（预防性 vs. 促进性）的细微变化如何与用户情绪（积极 vs. 消极）相互作用，从而影响用户的遵从意图。选择这些特定变量是因为用户情绪显著影响认知处理。
未引用的参考文献
Adaji和Adisa，2022年；Cruz-Maya等人，2017年；Davison等人，2021年；Fogg，1999年；Jeong等人，2020年；Konok等人，2018年；O'Keefe，1988年；Van Kenhove和Desrumaux，1997年；Westerman等人，2020年。CRediT作者贡献声明
李恩珠：数据整理、初稿撰写、调查、可视化。朴道亨：项目管理、概念化、验证、审稿与编辑、监督、方法论。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本工作得到了韩国教育部和韩国国家研究基金会（NRF-2020R1A2C1006001）的支持。
