生成式人工智慧接觸對技術接受的影響：一項隨機實驗研究

Abstract

本研究探討情境式技術接觸對個體在生成式人工智慧接受過程中的心理感知、行為意向、焦慮情緒與對重分配政策態度之影響。研究採隨機分派線上問卷實驗方法，將受試者分至實驗組接受情境式技術接觸體驗（與生成式人工智慧互動和影片觀察學習）或對照組（接觸與人工智慧無關之中性資訊）。研究以技術接受模型（TAM）為理論參考，量測受試者的感知易用性、感知有用性、使用態度與行為意向指標，加入模擬課程付費意願與人工智慧產業投資意向作為後續的行為意向觀察指標，亦納入風險偏好、人工智慧焦慮情緒、重分配政策態度作為研究對象。實驗結果顯示，成功完成情境式技術接觸顯著提升對生成式人工智慧技術的感知有用性與易用性，正向影響對技術的使用態度與使用行為意向。個體風險偏好與技術接受過程中的多數心理面向存在正向關聯。單次技術接觸對重分配政策態度的影響不顯著，顯示政策支持可能主要受個體既有立場所制約。研究發現，互動式情境設計和影片觀察學習在促進新興技術接受過程中具有顯著效果。進行情境模擬和實際操作，能有效提升個體對技術的感受與信任，提高使用者的行為意向。然而單次的技術接觸雖能在短期內促進認知與焦慮情緒的改善，但對於較深層的政策態度的改變效果有限。特別是在涉及重分配政策中資源分配、補貼、課稅等爭議性議題上，受試者的價值觀仍相對穩定。因此，在政策推廣與溝通策略上，應考慮個設計差異化的接觸方式，建立持續與重複性的溝通管道，有效促進多元社會中各群體對技術創新的理解、接受與政策支持。

This study examines how short, hands-on exposure to generative AI affects people’s attitudes, behavior, and policy views. In a randomized experiment, participants either interacted with an AI tool or received unrelated content. Results show that AI exposure improved perceived ease of use, usefulness, and willingness to adopt the technology, while reducing perceived learning anxiety. Participants with higher risk preference were more open to AI. However, attitudes toward government redistribution policies were not significantly changed. The study suggests that short-term, structured interaction with generative AI tools can improve AI acceptance, but may not be sufficient to shift deeper-seated policy attitudes.