AI生成健康建议信任度量表（TAIGHA）及其短版（TAIGHA-S）：发展与验证研究
人机交互
2025-12-17 v1 人工智能
摘要
人工智能工具（如大型语言模型）正越来越多地被公众用于获取健康信息与指导。在健康相关情境下，遵循或拒绝AI生成的建议可能对临床结果产生直接影响。现有工具如《自动化系统信任调查表》评估的是通用技术的可信度，而没有经过验证的量表用于衡量用户对AI生成健康建议的信任程度。本研究开发并验证了信任AI生成健康建议（TAIGHA）量表及其四项短版（TAIGHA-S），作为基于理论的 instruments，用于衡量信任与不信任，分别具有认知与情感成分。通过采用生成式AI方法开发题目，随后进行 10 位领域专家的内容验证、30 位普通用户的面部验证，以及 385 名来自英国的受试者的心理测量验证（在症状评估情境中接收AI生成建议）。经过自动项目降级后，保留 28 项题目，最终降至 10 项。TAIGHA 显示出卓越的内容有效性（S-CVI/Ave=0.99），且 CFA 确认了两个因子模型，拟合极佳（CFI=0.98，TLI=0.98，RMSEA=0.07，SRMR=0.03）。内部一致性高（α=0.95）。收敛性有效性通过与《自动化系统信任调查表》（r=0.67/-0.66）以及用户对AI建议的依赖程度（r=0.37）得到支持，而发散性有效性通过阅读流和认知负荷的低相关性（|r|<0.25）得到支持。TAIGHA-S 与完整量表高度相关（r=0.96），且可靠性良好（α=0.88）。TAIGHA 与 TAIGHA-S 是衡量用户对AI生成健康建议信任与不信任的 validated instruments。分别报告信任与不信任，允许更完整地评估AI干预措施，短版量表特别适用于时间受限的情境。
引用
@article{arxiv.2512.14278,
title = {The Trust in AI-Generated Health Advice (TAIGHA) Scale and Short Version (TAIGHA-S): Development and Validation Study},
author = {Marvin Kopka and Azeem Majeed and Gabriella Spinelli and Austen El-Osta and Markus Feufel},
journal= {arXiv preprint arXiv:2512.14278},
year = {2025}
}