简化长度连接协调关系量表（Reduced-Length Connection-Coordination Rapport Scale，简称CCR Scale）

《ACM Transactions on Human-Robot Interaction》：The Reduced-Length Connection-Coordination Rapport (CCR) Scale

本研究开发了8项版的Connection-Coordination Rapport（CCR）量表，用于衡量人机关系。通过专家筛选和在线实验验证，简化版保持双因子结构，内部一致性高，与原量表相关性强（77%变异度），且节省43%时间，适用于时间受限研究，但需进一步测试其他交互场景。

　　

摘要

人工智能总结

人工智能生成的摘要

版本创建于2026年2月9日。

本研究提出了“连接-协调关系”（Connection-Coordination Rapport，简称CCR）量表的简化版本的开发与验证工作，该量表用于衡量人机之间的融洽程度。原始的CCR量表包含18个项目，分为两个维度：连接（connection）和协调（coordination）。尽管该量表效果显著，但其长度较长，可能会导致参与者疲劳，并降低需要重复测量或使用多个量表的研究的可行性。为了解决这一问题，研究人员创建了一个仅包含8个项目的简化版本，同时保持了量表的心理测量学有效性，没有牺牲其内容的全面性。

人机交互领域的专家对原始项目的相关性和代表性进行了评估，从每个维度中选取了内容有效性最高的4个项目，以确保对融洽关系核心维度的全面覆盖。这个简化版本的量表仍然保留了衡量连接和协调这两个关键维度的结构。

验证过程通过在线实验进行，参与者观看了展示不同响应能力的机器人互动视频，并使用完整版和简化版的CCR量表对互动进行评分。结果表明，简化版量表具有较高的内部可靠性，并且与完整版量表有很强的相关性，能够捕捉到约77%的变量变异。验证性因子分析进一步确认了该量表的两因素模型。建构效度也得到了支持，因为它与现有的融洽关系测量工具具有高度一致性，而与感知危险性等无关因素的相关性较低。

值得注意的是，已知群体效度也很明显：参与者在与响应积极的机器人互动时，普遍认为融洽程度更高，这表明机器人的响应能力对于建立积极的人机关系至关重要。此外，完成简化版量表所需的时间大约减少了43%，从而缓解了参与者负担的问题，同时保持了测量的质量。

研究人员建议在需要详细评估的情况下使用完整的CCR量表；但对于时间有限的研究或当融洽关系只是多个测量变量之一时，建议使用这个简化版本。该量表的局限性在于其验证仅基于在线环境中涉及语言交互的机器人的第三方视角；未来的研究应包括第一人称体验以及非语言机器人系统（如辅助设备）的验证。

总体而言，本研究提供了一种实用工具，能够在不同情境下平衡可靠性、有效性和效率，以评估人机之间的融洽关系，从而推动关于机器人行为如何影响人类与机器之间社会连接的研究进展。

此内容由人工智能生成。了解更多

摘要

诸如教育辅导机器人、医疗支持机器人和协作伙伴等机器人必须建立“融洽关系”，这种关系包含相互理解和人际联系，以确保它们的长期成功。在之前的研究中[60]，我们构建、评估并验证了一个包含18个项目的“连接-协调关系”（CCR）量表来衡量人机融洽程度（研究1-3）。尽管完整的CCR量表能够全面衡量融洽关系，但由于其长度较长，研究人员可能并不总是愿意使用它。因此，在本研究中，我们开发了一个仅包含8个项目的简化版本，仍然能够有效衡量融洽关系。遵循简化量表开发和验证的推荐方法，我们利用了人机交互（HRI）专家的意见（研究4，\(N=30\)），将CCR量表从18个项目缩减到8个项目（每个维度4个项目）。随后，我们在一个新的样本集（研究5，\(N=186\)）上对简化版量表进行了评估，参与者观看了人机互动视频，并使用完整版和简化版量表进行了评分。验证结果表明，简化版量表具有较高的内部可靠性，与完整版量表高度一致，结构稳定，建构效度良好，并且显著节省了测量时间。

人工智能生成的摘要（实验性摘要）

本摘要是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现研究的价值，评估其相关性，并协助来自相关研究领域的读者理解该研究内容。它是对作者提供的摘要的补充，作者提供的摘要仍是论文的官方总结。完整文章才是权威版本。点击此处了解更多。

请点击此处对摘要的准确性、清晰度和实用性发表评论。您的反馈将有助于改进未来的摘要版本。