基于七项个人特征预测信任动态类型

本研究旨在探讨个体在自动化/自主技术中的信任动态与其个人特征之间的关联性，进而检验个人特征是否可用于预测用户的信任动态类型。我们对130名受试者进行人体实验，受试者执行由自动威胁检测器辅助的模拟监视任务。通过覆盖12个构建和28个维度的实验前调查，收集了受试者的个人特征数据。基于实验数据，我们进行了K-means聚类，识别出三种信任动态类型。随后，我们采用单因素方差分析（ANOVA）评估这三种信任动态类型在个人特征、行为、绩效和实验后评估方面的差异。受试者被聚类为三组：贝叶斯决策者、狭信者和振荡者。结果显示，这些聚类在七项个人特征上存在显著差异： masculinity（男性气质）、positive affect（积极情绪）、extraversion（外向性）、neuroticism（神经质）、intellect（智力）、performance expectancy（绩效期望）和high expectations（高期望）。狭信者倾向于具有高神经质和低绩效期望。振荡者在男性气质、积极情绪、外向性和智力方面的得分较高。我们还发现三组在行为、绩效和实验后评估方面存在显著差异。狭信者不太可能盲目跟随自动威胁检测器的建议。基于这些显著的个人特征，我们开发了一个决策树模型，预测信任动态类型的准确率为70%。该模型为识别可能偏离贝叶斯模式的个人信任动态提供了有前景的含义。