预测与可视化技术接受度的新框架：以共享自动驾驶汽车为例
人机交互
2025-04-24 v3
摘要
公众接受度是共享自动驾驶汽车 (SAVs) 在交通领域应用的关键。传统的接受度模型主要依赖于结构方程模型，可能无法充分捕捉影响技术接受度的因素之间复杂的非线性关系，且预测能力往往有限。本文引入了一个结合机器学习技术与弦图可视化的框架，以分析和预测公众对技术的接受度。以 SAV 接受度作为案例研究，我们应用随机森林机器学习方法对影响接受度的心理因素之间的非线性关系进行建模。随后采用弦图在单个图表中直观地可视化这些因素在因素层面与条目层面上的相对重要性及相互作用。我们的研究发现，态度是 SAV 使用意向的主要预测因子，其次是感知风险、感知有用性、信任和感知易用性。该框架还揭示了 SAV 采用者与非采用者之间的不同感知，为提高 SAV 接受度的定制策略提供了见解。本研究为技术接受度讨论贡献了数据驱动的视角，展示了将预测建模与可视化分析相结合以理解预测新兴技术公众接受度中因素相对重要性的有效性。
引用
@article{arxiv.2401.15921,
title = {A New Framework to Predict and Visualize Technology Acceptance: A Case Study of Shared Autonomous Vehicles},
author = {Lirui Guo and Michael G. Burke and Wynita M. Griggs},
journal= {arXiv preprint arXiv:2401.15921},
year = {2025}
}
备注
This manuscript has undergone peer review and has been updated to the revised version. It has been accepted and published in Technological Forecasting and Social Change. This version (v3) updates the license to CC BY-NC-ND 4.0 to match the published version in TFSC. The content remains unchanged