医疗智能时代患者对医疗服务机器人的接受度：基于扩展 AI 设备使用接受模型的实证研究

文献：Li, W., Ding, H., Gui, J., & Tang, Q. (2024). Patient acceptance of medical service robots in the medical intelligence era: An empirical study based on an extended AI device use acceptance model. Humanities and Social Sciences Communications, 11, Article 1495. DOI 10.1057/s41599-024-04028-8。

研究问题：医疗机器人（手术、康复、辅助、服务四类）中，医疗服务机器人（门诊导诊、陪护等面向公众服务场景）在疫情期间已投入使用，但患者接受度不高。已有研究多聚焦机器人的开发、设计与医院管理，患者接受机器人的心理过程——尤其是情绪的作用——仍不清楚。论文要回答：患者接受医疗服务机器人的心理机制是什么？拟人化属性如何影响这一过程？

论证思路：研究以 AI 设备使用接受模型（AIDUA）为框架，把拟人化属性细分为外观、语音、行为、人格四个维度，并引入感知共情与交互体验两个变量，构建“三阶段”（初步评估 → 二次评估 → 结果阶段）患者接受心理机制。线下收集 400 份中国患者问卷，用结构方程模型（SEM）分析。

原文图1 概念模型 — 图1（原文 Figure 1）研究概念模型：三阶段患者接受机制

一、理论框架：AIDUA 模型的三阶段

AIDUA（AI Device Use Acceptance）模型把用户接受 AI 设备分为三个阶段：

初步评估（Primary Appraisal）：社会影响、享乐动机、拟人化属性 → 形成绩效期望与努力期望；
二次评估（Secondary Appraisal）：感知共情 → 交互质量；
结果阶段（Outcome stage）：情绪 → 使用意愿 / 使用抵触。

研究特别把拟人化拆为四维（外观/语音/行为/人格），检验它们对绩效期望、努力期望与感知共情是否具有差异化影响。

二、样本与方法

样本：线下收集 400 份中国患者问卷（男 47% / 女 53%）
模型：结构方程模型（SEM），AMOS 软件估计
测量：拟人化四维、绩效期望、努力期望、感知共情、交互质量、情绪、使用意愿、使用抵触

三、核心发现

1. 拟人化的差异化作用（原文 Table 4）

四条关于拟人化 → 绩效期望的假设中，仅“语音拟人化”获得支持（β = 0.147, p < 0.05）；外观、行为、人格拟人化均不显著。而四条拟人化 → 努力期望的假设全部显著为负——拟人化程度越高，患者感知的努力成本越低。

假设路径	β	t	p	结果
外观拟人化 → 绩效期望	−0.011	−0.201	0.840	拒绝
语音拟人化 → 绩效期望	0.147	2.543	*	支持
行为拟人化 → 绩效期望	−0.125	−2.161	0.031	拒绝
人格拟人化 → 绩效期望	0.040	0.638	0.523	拒绝
外观拟人化 → 努力期望	−0.176	−5.509	***	支持
语音拟人化 → 努力期望	−0.395	−11.428	***	支持
行为拟人化 → 努力期望	−0.161	−4.673	***	支持
人格拟人化 → 努力期望	−0.189	−5.132	***	支持
外观拟人化 → 感知共情	0.071	1.310	0.190	拒绝
语音拟人化 → 感知共情	0.224	3.918	***	支持
行为拟人化 → 感知共情	0.435	7.495	***	支持
人格拟人化 → 感知共情	0.230	3.814	***	支持

2. 情绪是患者接受/抵触的关键枢纽

感知共情 → 交互质量：β = 0.882（p < 0.001），最强路径；
交互质量 → 情绪：β = 0.505；绩效期望 → 情绪：β = 0.367；而努力期望 → 情绪为负（β = −0.157）——感知“太费劲”反而降低积极情绪；
情绪 → 使用意愿：β = 0.830；情绪 → 使用抵触：β = −0.854——情绪同时驱动接受与抑制抵触。

原文图2 模型估计结果 — 图2（原文 Figure 2）研究模型估计结果（含路径系数与显著性）

3. 享乐动机与社会影响

享乐动机 → 绩效期望：β = 0.668（p < 0.001）——即使在医院这种严肃场景，患者仍期待机器人带来愉悦体验（尤其门诊长时间等待时）；
社会影响 → 绩效期望：β = 0.270——亲友推荐显著提升使用意愿。

四、对医疗实践与研究的启示

对医院与机器人设计者：

拟人化不是“越像人越好”——四维拟人化都能降低患者的“费劲感”（努力期望），但只有语音拟人化能提升“有用感”（绩效期望）。设计应优先打磨语音交互的自然度；
行为、语音、人格拟人化都能唤起患者的共情感知，而共情是通往交互质量的最强路径（β = 0.882）——让机器人“会共情”比“长得像人”更重要；
情绪是最终枢纽：提升交互质量、降低使用门槛、保留一点娱乐性，都能通过情绪转化为主观的接受意愿。

对研究者：AIDUA 模型在医疗服务场景得到验证；拟人化的四维细分揭示了“绩效期望通道”与“努力期望通道”的不对称性——这是未来人机交互研究可深挖的方向。

精读笔记

核心论点：患者接受医疗服务机器人，不是简单的“技术有用就用”，而是“拟人化感知 → 共情/期望 → 情绪 → 接受或抵触”的完整心理链条。情绪既是接受意愿的引擎，也是抵触的刹车。

方法要点：

AIDUA 三阶段框架 + 拟人化四维细分，是模型设计的核心创新
400 样本量 + SEM 路径检验，适合中等复杂度机制研究
同时测“使用意愿”与“使用抵触”两个结果变量，捕捉情绪的二元作用

局限与边界：

样本为中国患者，跨文化推广需谨慎
横断面问卷，因果推断受限
拟人化四维的测量依赖患者主观感知，可能与机器人实际特征存在偏差

可延伸方向：

纵向追踪患者与机器人多轮交互后的接受度变化
比较不同类型医院（三甲 vs 社区）患者接受机制的差异
结合生成式 AI 语音助手，检验“对话式共情”对医疗场景的适用性

原文地址

DOI：10.1057/s41599-024-04028-8
期刊：Humanities and Social Sciences Communications（Nature Portfolio），2024 年 11 月
图表来源：原文 Figure 1、Figure 2、Table 4（开放获取）

LEODENG