时间：11月27日（周四）下午 14:30
地点：吕大龙楼11层1110
报告一 人机共同经历不公平的神经机制
报告人：钱一铭
内容：
人机共生的愿景逐渐成为现实，人类与机器人交往过程中逐渐涉及到更为复杂的社会性评估情境，尤其是公平评估背后的神经机制尚未得到充分探讨。本研究采用事位相关电位技术，探究个体在独自或与机器人共同经历不公平情境时的神经加工特征，并检验不公平类型的影响。在本研究中，被试需要先完成一项金钱分配任务，他们要么独自经历来自虚拟分配者的不公平分配，要么和机器人共同经历类似的不公平分配。在两种条件后，被试需要完成一项InStance测试，以评估他们对机器人的心理化归因。结果显示，相较于单独经历不公平，被试与机器人共同经历不公平情境下的早期N1成分的波幅减弱，且不受不公平类型的影响。此外，在共同经历情境下，相较于优势不公平，劣势不公平诱发了更大的LPP波幅，而这一显著差异在单独经历情境下并未被观察到。但行为测量指标在各条件之间并无显著差异。这种分离现象表明，与机器人共享不公平经历可能主要在较为隐性的处理层面起作用，而未改变个体显性的判断。总的来说，本研究发现揭示了人机共存的社会情境如何塑造个体的公平评估，这些发现加深了对于人机共存情境下人类社会认知的理解，更为设计能妥善应对公平敏感性社会环境的机器人系统提供了参考。
报告二 聊天机器人角色影响健康饮食：消费者自主性的作用
报告人：郭曦玉
内容：
肥胖、糖尿病、心血管疾病等非传染性疾病的广泛流行，与个体长期形成的不健康食物选择模式密切相关。在“健康中国2030”的国家战略以及全球“数字健康”浪潮的推动下，如何利用人智交互助推消费者可持续食物选择已成为热点话题。本研究通过两个实验探讨了消费者自主选择与定制的健康指导助手或美食推荐助手交互后的食物选择是否发生变化。被试在实验中可以自主选择与两个聊天机器人中的一个进行交互，并在交互前和交互后完成食物选择任务。在实验一中，我们采用“四选三”的食物选择范式，在实验二中，我们采用“六选三”的食物选择范式。实验一结果表明，尽管更多被试偏好选择与美食推荐助手交互，但选择与健康指导助手交互的被试在交互后比交互前选择了更少的以荤菜为主的食物组合。实验二结果表明，主动选择与健康指导助手互动的被试在互动后比互动前减少了选择荤菜的数量，但仍维持至少一道荤菜的选择。总的来说，本研究发现揭示了人智交互对可持续食物选择的助推作用，并表明中国消费者存在根深蒂固的荤素搭配饮食规范。本研究结果为利用聊天机器人助推健康饮食提供实证依据，也为利用人智交互进行健康干预提供理论依据。
报告三 性能呈现框架对人-机信任校准的非对称影响
报告人：刘梦颖
内容：
人工智能（AI）已广泛应用于数字健康干预，安全有效的人机协作需要用户形成与AI真实表现相匹配的信任水平。本研究通过两项实验检验性能呈现框架对AI与人类顾问信任校准的影响。实验采用2（顾问类型：AI/人类专家）×2（性能框架：准确率/错误率）×3（性能水平：高/中/低）被试间设计，使用法官-顾问范式，将建议采纳、信念更新与信心调整作为信任校准指标。实验一中，被试被明确告知顾问性能后，在接受建议前后完成病理组织诊断任务并报告诊断信心。实验二不直接告知顾问的性能水平，而是要求被试在任务开始前预测顾问性能，以检验对顾问的能力信念如何调节信任校准。实验一结果表明：在准确率框架下，随着人类顾问性能水平提高，被试的建议采纳和信念更新显著增强，而AI顾问对性能信息表现出普遍钝感；在错误率框架下，这种顾问类型差异消失，AI在信念更新层面的性能敏感性甚至有所提升。实验二结果显示：在准确率框架下，对人类顾问的建议采纳和信念更新呈现稳定的性能敏感性，而AI顾问仅在建议与初始判断一致时表现出基于性能预期的信心调整；在错误率框架下，人类与AI顾问均展现出由性能预期驱动的多层级信任校准——建议采纳、信念更新与信心调整随预期性能提升而同步增强。本研究为优化AI性能沟通策略提供了实证依据，并为数字健康情境中人机协作的信任校准提供了理论启示。
