Comput Hum Behav：西南大学团队揭示人机互动中拟人化效应的经验边界

背景：随着人工智能深度融入生活，用户对AI建议的采纳程度成为关键，赋予AI拟人化特征常被视为提升信任的手段，但其成本和长期效果引发反思。研究目的：探讨在不同经验水平下，拟人化对用户采纳AI建议的影响及其心理机制。结论：研究通过行为实验发现，拟人化的作用高度依赖于用户的使用阶段；在无直接互动经验时，拟人化通过提升温暖感减少算法厌恶，但在获得直接互动经验后，拟人化与非拟人化AI在感知上无显著差异，互动经验本身能普遍提升用户对AI能力和温暖感的评价及建议采纳，表明直接经验可弱化拟人化等表面线索的作用，为动态调整AI设计策略提供了依据。