基于C-A-C的生成式AI用户间歇性中辍行为研究

[目的/意义]用户的间歇性中辍作为一种消极行为，将影响生成式AI的用户保持及获取持续竞争优势。因此，有必要研究用户间歇性中辍的形成机理，发现显著的影响因素。[方法/过程]基于认知—情感—意愿(Cognition-Affect-Conation, C-A-C),从“使能”与“抑制”双重视角研究了生成式AI用户间歇性中辍行为。使能因素包括隐私担忧、信息幻觉、认知失调；抑制因素包括智能化、拟人化、个性化、情感承诺。采用结构方程模型(Structural Equation Modeling, SEM)和模糊集定性比较分析(fuzzy-set Qualitative Comparative Analysis, fsQCA)进行数据分析。[结果/结论]隐私担忧和信息幻觉影响认知失调，进而导致间歇性中辍行为。智能化、拟人化、个性化影响情感承诺，进而对间歇性中辍产生抑制作用。研究结果显示，生成式AI一方面需要缓解用户的隐私担忧，减少信息幻觉，从而降低用户认知失调；另一方面，需要通过提高系统的智能化、拟人化、个性化等功能水平，增进用户情感承诺，从而抑制其间歇性中辍行为。