利用生成式人工智能进行探索性搜索：一项关于交互设计策略对信息探索和认知负荷影响的实证研究

《International Journal of Human-Computer Studies》：Exploratory Search with Generative AI: An Empirical Study on the Impact of Interaction Design Strategies on Information Exploration and Cognitive Load

本研究通过2×2within-subject实验，探究生成式AI的响应披露方式（一次性vs.渐进式）与用户提示主动性（系统提示引导vs.自主拟定）对探索性搜索行为的影响，发现两者共同作用显著提升用户认知负荷、参与度和知识获取效果，且存在交互效应。

　　

金娜静|Yong Gu Ji

韩国首尔延世大学工业工程系

摘要

生成式人工智能（AI）的最新进展通过提供自然语言界面和集成响应，显著简化了用户的信息搜索过程。然而，关于用户驱动的输入和系统生成的输出如何共同塑造探索性搜索体验的研究仍然有限。本研究基于认知负荷理论，实证探讨了生成式AI的交互设计如何影响探索性信息行为和认知结果。

我们通过一个2×2的被试内实验，对36名参与者进行了研究，考察了响应披露方法和提示主动性水平的影响。具体来说，我们研究了逐步披露AI响应并通过提示引导提高用户主动性是否能够增强探索性搜索体验。搜索任务围绕不熟悉但相关的主题设计，旨在激发好奇心驱动的信息搜索行为。分析了主观测量结果（感知知识变化、参与度和认知负荷）和行为数据（提示频率和相似性）。

结果表明，逐步披露响应和高提示主动性显著提高了用户的感知知识变化、参与度和相关认知负荷，并促进了更多的探索行为。值得注意的是，对于相关认知负荷存在交互效应，因为用户提示主动性对相关认知负荷的影响因响应披露方法的不同而有所差异。通过强调系统特征与用户能动性之间的相互作用，本研究提供了实证启示，即在选择适当的信息呈现策略时应考虑用户的主动性水平。这些发现为AI界面设计提供了实用指导，以减轻认知负荷并促进在复杂搜索任务中的深入信息探索。

总体而言，我们的研究为设计适应多样化信息搜索情境的对话式搜索系统提供了理论和实践上的启示。

引言

大型语言模型（LLMs）驱动的生成式AI的最新进展带来了信息检索领域的变革性变化。这些系统提供了高度相关且流畅总结的响应，从而提高了用户体验，相比传统搜索引擎（用户需要浏览结果列表）更具优势（Liu等人，2024；Sun等人，2024b）。此外，生成式AI能够通过自然语言提示直接响应用户查询（White，2024）。这促进了支持多轮、上下文感知交互的对话式信息搜索（CIS）系统的发展（Zamani等人，2023）。

然而，这些系统带来的便利性可能会对用户的信息搜索行为产生意想不到的影响。AI响应的即时性和完整性可能会降低用户进行推理所需的认知需求，从而减少主动探索和深入的认知参与（Stadler等人，2024；Yamamoto，2024）。此外，生成式响应的非确定性可能会让用户接触到有偏见或不准确的信息（Lee等人，2024；Danry等人，2025），尤其是那些领域背景知识有限的用户。

在这种背景下，探索性搜索成为一种容易受到基于生成式AI的搜索影响的信息搜索行为。探索性搜索涉及目标不明确和先验知识有限的情况，需要通过迭代探索逐步构建理解（Marchionini，2006；White和Roth，2009）。与旨在寻找明确答案的查找任务不同，探索性搜索强调通过连续提问和搜索参与来学习（White等人，2008；Vakkari，2016）。最近的研究强调了AI通过识别用户意图和促进问题解决来支持探索性搜索的潜力（White，2024；Luo等人，2024）。尽管如此，其即时响应模式可能会阻碍比较信息和战略性推理的评估，从而减少用户在搜索过程中的能动性（Yen等人，2025）。这些担忧引发了教育和人机交互（HCI）社区关于AI系统在探索性学习中作用的讨论，突显了在交互设计和教学对齐方面进行研究的必要性（Kasneci等人，2023；Stadler等人，2024）。

尽管如此，现有的关于人机交互的实证研究主要集中在编程（Sun等人，2024a；Prather等人，2023）、创造性任务（Oppenlaender等人，2024）和推荐系统（Yun和Lim，2025）等任务导向的领域。仍需要实证研究来探讨生成式AI系统内的交互设计如何影响用户在探索性搜索情境中的认知变化和学习参与（Liu等人，2024b；Luo等人，2024）。

为了解决这一空白，本研究探讨了能够支持生成式AI系统中探索性搜索的交互设计元素。以往关于探索性搜索的研究强调了用户主动性和在复杂学习场景中的迭代参与的重要性（Marchionini，2006；White和Roth，2009）。因此，本研究采用2×2的被试内设计，实证考察了响应披露（一次性披露与逐步披露）和提示主动性（遵循系统提示建议与根据指导制定提示）对用户探索性搜索体验的影响。具体来说，我们研究了这些因素如何影响用户的搜索行为、感知知识变化、用户参与度和认知负荷。通过结合被试内实验设计和行为日志数据及主观测量结果，我们的研究旨在为生成式AI时代的对话式搜索界面设计提供见解，以促进有意义的探索和学习。这项工作通过强调界面设计和用户主动性的重要性，为HCI领域中关于人机交互的研究做出了贡献。

探索性搜索的概念和特征

探索性搜索是指用户在初始需求模糊或不明确的情况下，逐步获取知识并完善信息需求的过程（Marchionini，2006；White和Roth，2009）。与旨在找到明确答案的查找搜索不同，探索性搜索的特点是迭代查询和广泛的信息搜索，其目标是学习。根据Kuhlthau（1991）的信息搜索过程（ISP）模型，探索

研究假设

如理论背景中所讨论的，交互设计可以支持用户在生成式AI搜索系统中的探索性搜索体验。先前的研究表明，当用户进行迭代搜索以解决模糊的目标时，界面设计元素和用户主动性都有助于促进知识发展。虽然以往关于探索性搜索的研究主要集中在传统搜索引擎界面上，但本研究考察了

参与者

共招募了40名参与者，包括研究生和本科生，他们都不是AI领域的专家，通过校园公告板和在线校园社区平台招募。其中4人参与了试点研究，以评估主题选择和验证调查条目。因此，最终分析纳入了36名参与者的数据。其中19人为男性（M = 25.26，SD = 2.705），17人为女性（M = 24.94，SD = 4.279），平均年龄为25.11岁

条目的内部一致性

为了评估用于测量每个因变量的调查条目的内部一致性，进行了Cronbach’s α可靠性分析（Cronbach，1951）。结果显示以下构念的可靠性可接受：搜索参与度（α = .910）、外部认知负荷（α = .873）和内在认知负荷（α = .723），均超过了通常接受的α ≥ .70的阈值。相比之下，感知知识变化（α = .609）和相关认知负荷（α = .670）

对话式AI响应披露的影响

本研究揭示了生成式AI的响应披露方法对用户探索性搜索体验的影响。结果表明，与一次性披露条件相比，逐步披露条件导致了更高的感知知识变化、搜索参与度和相关认知负荷，以及更多的提示提交。这些结果表明，在用户请求时提供额外信息更能支持

贡献

本研究实证探讨了用户输入和系统输出的配置如何影响生成式AI系统中的探索性搜索。虽然以往的研究分别关注了这两个维度，但我们综合处理这两个方面的方法使我们能够更全面地理解如何设计对话式AI系统以促进以学习为导向的参与。这种综合方法使我们不仅能够观察到每个变量的独立效应，还能观察到用户

未引用的参考文献

Gomez等人，2023；Athukorala等人，2016；Krupp等人，2024；Medlar等人，2021；Parasuraman等人，2000；Buschek，2024；ChatGPT（无日期）；What are Artifacts and how do I use them? | Anthropic Help Center（无日期）；Xie等人，2023

CRediT作者贡献声明

金娜静：撰写——原始草稿、方法论、正式分析、数据整理、概念化。Yong Gu Ji：撰写——审稿与编辑、项目管理、方法论、概念化。