通过行为与生理感知理解对人类与AI生成健康信息的信任
人机交互
2025-12-16 v1
摘要
随着AI生成的健康信息在线上 proliferating 并变得越来越难以区分人类来源信息，理解人们如何信任和标记此类内容尤其在信息不准确时变得至关重要。我们进行了两种互补研究：(1)一个混合方法的调查(N=142)，采用2(source: Human vs. LLM)×2(label: Human vs. AI)×3(type: General, Symptom, Treatment)的设计；(2)一个在受试者内的实验室研究(N=40)，包含眼动跟踪和生理感知(ECG, EDA, 皮肤温度)。参与者被呈现来源标签组合变化的健康信息并被要求对其信任程度进行评分，同时记录他们的注视行为和生理信号。我们发现LLM生成的信息被信任得比人类生成的内容更多，而标记为人类的信息被信任得比标记为AI的信息更多。信任在信息类型之间保持一致。眼动跟踪和生理反应在来源和标签方面存在显著差异。基于这些行为和生理特征训练的机器学习模型以73%的准确率预测二元自报告信任水平，以65%的准确率预测信息来源。我们的发现表明，向在线健康信息添加透明度标签会调节信任。行为和生理特征显示出验证信任感知并指示是否需要额外透明度的潜力。
引用
@article{arxiv.2512.12348,
title = {Understanding Trust Toward Human versus AI-generated Health Information through Behavioral and Physiological Sensing},
author = {Xin Sun and Rongjun Ma and Shu Wei and Pablo Cesar and Jos A. Bosch and Abdallah El Ali},
journal= {arXiv preprint arXiv:2512.12348},
year = {2025}
}