信任机器人咨询服务：一项混合方法研究

《Journal of Behavioral and Experimental Finance》：Trust in Robo-Advisory Services: A Mixed-Methods Study

　　

陈颖婷|程曦欧（Eugene Cheng-Xi Aw）|谭嘉瀚（Garry Wei-Han Tan）|基钟华（Chung-Wha (Chloe) Ki）

摘要

本研究通过一项包含两项研究的混合方法设计，探讨了在机器人咨询服务中信任是如何形成的。研究1采用PLS-SEM与cIPMA方法分析信任前因的影响及优化优先级，而研究2则通过半结构化访谈来深入验证研究结果。研究发现，自主性和智能性能够提升算法的可解释性、交互性以及结构可靠性，但拟人化因素并未产生显著影响。自主性是有效降低不确定性的必要条件，而交互性和结构可靠性对于形成对算法能力和温暖感的认知至关重要；算法的可解释性则是这些认知的前提。温暖感和能力都会增强信任，但仅有能力是形成信任的必要前提。定性分析为研究提供了更深层次的背景理解，揭示了定量研究中常被忽略的机制和边界条件。通过将类人特征和不确定性降低策略整合到一个统一的框架中，本研究加深了对新兴金融服务中信任形成机制的理解，并为加强数字金融包容性提供了有益的见解。