辅助机器人行为对患者心理属性印象的影响:基于图像的人机交互研究

介绍

随着机器人技术和人工智能领域的新进展，在医疗保健实践中引入机器人作为社会代理的兴趣越来越大，特别是在慢性疾病或老年疾病的管理方面[1］．社会辅助机器人是指通过社会手段而不是物理手段提供帮助的机器，利用社会互动来进行监督、指导、提供陪伴和支持促进健康的活动。2］．机器人被设想扮演诸如监测和记录症状进展等角色[3.]，帮助药物分类和药物时间表[4]，指导人们完成治疗任务[5]，提供陪伴[6]，起到减压和改善情绪的作用[7]，或支持社会互动[8，9］．尽管对病人-机器人互动的研究已经引起了相当大的关注，但很少有研究集中在病人-机器人-他人关系的三角测量上其他人可以是医生，治疗师，护理人员，或者仅仅是与患者互动的社会成员。当我们为医疗保健设计社交机器人时，我们需要了解这些机器人不仅对患者有影响，而且对上述因素也有影响其他人以及机器人如何融入病人的社会关系网络和动态。这一点很重要，因为社会生活和支持一直被证明是健康状况的关键预测因素[10］．

在本文中，我们迈出了研究辅助社交机器人对患者和他人之间关系的潜在间接影响的第一步。我们通过以患者为中心的护理来看待这一问题，认为这是一种可取的方法[11和情商(EI)作为机器人的一套理想能力[12-14］．

在研究的第一步，我们调查了机器人如何影响他人对患者心理属性的印象，例如，询问人们是否认为患者有能力、诚实、自律，而不是破坏性的、敌对的和无组织的。这些心理特征已被证明对病人可能得到的护理质量有很大影响[15，16］．我们提出人们对病人的印象会受到机器人行为的影响。使用文字小插图，我们实验性地操纵机器人的护理方法:以病人为中心(侧重于患者在治疗计划方面的需求和选择)或分散并且以任务为中心(重点关注治疗计划的执行情况)。然后，我们调查了机器人的方法如何影响:(a)人们对机器人本身的EI的感知，(b)人们对机器人的信任，(c)人们对机器人管理自己健康的潜在接受程度，最后(d)人们对患者的印象。在研究的第二步，我们将社交机器人对人际关系影响的调查扩展到其他情境:节食、学习和工作培训。

医疗保健场景的人机交互

大多数关于机器人临床应用的研究都集中在病人的健康结果上(见[1])或病人对机器人的接受程度(见[17])。这些研究主要关注病人和机器人之间的互动，只有很少的研究调查了机器人对病人与其他人互动的影响。

PARO是一种外形像小海豹的机器人，对触摸、声音、温度和姿势都有反应。通过充当人与人之间互动的焦点(这些研究中的参与者经常与机器人成双成对或小组互动)，PARO被证明对社会生活有积极影响，例如增加养老院的社会网络密度[8]，增加社会活动[18]，以及增加不同程度痴呆症的养老院老人的社会参与[19］．PARO也被证明可以提高非临床人群之间相互作用的质量[20.］．有几项研究表明，在自闭症儿童的治疗中，机器人对儿童与其他人之间的互动也有影响。在一项研究中，机器人在治疗师和孩子之间发挥了中介作用，允许孩子在与治疗师玩耍时表达积极情绪[21］．在另一项研究中，机器人成功地成为两个孩子之间自由玩耍的焦点[22］．

在非临床环境中，机器人的社会调解效应已被研究，其中包括以下目的:解决与儿童的冲突[23]或成人[24，25]，积极倾听[26]，通过互动讲故事来教授情商[27]，加强合作[28］．尽管这些结果代表了一个有希望的开始，但需要更多的研究来更好地理解机器人支持人们之间社会互动的方式，以及它们如何以可能不受欢迎的方式无意中影响人与人之间的互动。在临床环境中，人与人之间相互作用的不同方面，例如，他人如何看待患者，可能对卫生保健产生重要影响。

患者心理属性的印象如何影响护理决策

许多研究记录了患者的情绪或感知到的人格特征对护理决定的影响;简而言之，医生似乎愿意为更积极或更讨人喜欢的病人提供更多的护理。尽管在6%的情况下，在决定是否接受重症监护病房时，医生将情绪状态列为重要考虑因素，但如果给一个假想的病人一个描述病人乐观和勇敢的小插图，而不是悲伤和沮丧的小插图，医生推荐病人入院的可能性几乎是其3倍[15］．同样，另一组医生建议更多的随访，并呼吁模拟可爱和有能力的患者，以及更多的工作人员花时间教育模拟可爱的患者[16］．

其他研究表明，医生对看起来快乐的病人有更积极的感觉。29，30.或对那些在访问过程中既表现出积极影响又表现出消极影响的人[31］．相反，一些初级保健医生报告说，随着时间的推移，他们有挑战性的病人往往会变得受欢迎，而受欢迎的病人可能会从医生倾向于花在这些病人身上的额外努力中受益。32］．

医生并不是唯一受到患者感知属性影响的人。一项研究发现，参与者(不是专门的医疗专业人员)往往不喜欢那些看起来心烦意乱的病人，但比那些表现出积极情绪的病人更愿意帮助表现出消极情绪的病人，对那些表现出消极情绪的病人提供的帮助最少。33］．

考虑到人们对患者心理属性的感知对患者获得最佳护理的重要性，机器人专家应该注意如何设计机器人，以免对患者与医疗保健提供者或其他人之间的关系产生负面影响。这也可以被视为医疗机器人的一个机会:社交机器人可以用来增强对积极属性的感知，促进病人和医生、护理人员或其他人之间的良好关系。

以病人为中心的护理和情商作为机器人设计的指导方针

机器人如何影响医疗保健环境中的人际关系，无论是以一种可取的还是不可取的方式，当然取决于它们的设计。更具体地说，这将取决于机器人将采取何种方式为患者提供护理，以及机器人将具有何种社交能力。

以病人为中心的护理[34是一种有影响力的医疗保健方法，它为病人与他人的关系制定了理想的特征。这种方法强调尊重病人的喜好、信息、教育和与病人的沟通、护理的协调、对病人的情感支持、身体舒适、家人的参与、连续性和过渡以及获得护理[35］．有人提出，能否成功地提供以病人为中心的护理可能取决于社会能力，如情商[36］．

在包括医疗保健在内的多种情况下，情商与积极的社会关系有关。情商包括感知、理解和管理自己和他人的情绪等能力。高情商对拥有这些能力的人都有好处，比如提高工作表现和压力管理能力[13，37]和更好的教育成果[38]，也适用于一个人所处的社会群体:情商与改善团队合作和解决冲突有关[39]，更高的领导评价[40]，以及成功的社会互动[41］．

在医疗保健方面，医学上的情商与积极的医患关系、增加的同理心、更好的团队合作和沟通技巧、压力管理、组织承诺和领导能力有关。14］．EI的概念也是护理实践的核心，对护理学生的学习、道德决策、批判性思维、证据和知识在实践中的应用都有影响(参见[42])。因此，我们提出在医疗保健环境中工作的社交机器人需要EI。据我们所知，迄今为止只有几项研究调查了机器人的情商[43，44并发现人们确实期望并察觉到机器人代理在情商上的差异，而这些差异会影响机器人的信任度[43］．因此，在病人护理的背景下，了解人们对机器人情商的看法是很重要的。

社交机器人和医疗保健环境之外的人际关系

然而，病人护理并不是机器人对人与人之间关系的影响对健康和福祉产生影响的唯一环境。在公共卫生领域，机器人可以被有意义地用于缓解流行病肥胖等问题，并加强客户与营养师或减肥支持团体之间的关系。在教育领域，机器人可以帮助促进个性化的学习计划和以学生为中心的方法，并加强学生和教师之间的关系。在该行业，机器人可以优化导师与学员之间的互动，并协助对人们进行新工作的再培训，随着技术进步正在重塑劳动力市场，人们越来越需要这些。我们将研究的第一步集中在机器人如何影响医疗保健环境中的人际关系上，然后在研究的第二步中，我们将调查的范围扩大到与人们的健康和福祉更间接相关的其他环境中。

本研究的目的

本研究的目的是调查机器人行为在医疗保健环境中的影响，并探讨是否类似的影响延伸到与福祉和生活质量相关的其他环境。在研究的第一步，我们调查了机器人的行为，以病人为中心还是以任务为中心，是否会影响(a)机器人在EI、可信度和可接受性方面的感知方式，以及(b)人们对机器人辅助病人的印象。我们假设:(1)一个以病人为中心的机器人将被认为具有更高的EI，(2)受到[43，一个以病人为中心的机器人会更受信任，并且(3)更被接受，我们还假设(4)通过以病人为中心的方式和尊重病人的代理，机器人会让其他人对病人有更高的评价。

在研究的第二步中，我们进一步调查了在医疗保健环境中观察到的效果可以在多大程度上被复制并扩展到与人们的健康和福祉相关的其他环境中，在这些环境中，社交机器人可以通过监测、记录和通知专业人员用户的进展来提供帮助。

方法

设计

实验采用组间设计和文本小插图方法(见材料部分)。在研究的第一步，研究机器人行为在医疗保健环境中的影响，我们进行了一系列的单向方差分析(ANOVA)。我们的因变量是对机器人EI的感知、对机器人的信任、机器人的接受程度以及对机器人所照顾的病人的印象(见测量部分)。我们的主要自变量是小插图描述机器人行为的条件，即以患者为中心或以任务为中心(参见材料部分了解更多细节)。我们还在一系列分析协方差(ANCOVA)中验证了性别作为自变量和年龄作为协变量的影响。

对于研究的第二步，研究机器人行为在其他与幸福感相关的环境中的影响，我们使用了2 × 3组间实验设计。除了这两种情况(以人为中心或以任务为中心的机器人行为)，我们还设计了不同背景(减肥或学习或工作培训)的小插曲，我们将其作为额外的自变量。至于卫生保健背景，从我们的4个不同的问卷得分被用作因变量。进一步在模型中加入性别和参与者年龄作为变量。

我们的参与者是在亚马逊土耳其机器人(AMT)平台上招募的。这使得有可能接触到来自更不同种族背景的参与者，并且跨越了比实验室研究更广泛的年龄范围。为了确保语言理解和类似的薪酬激励，我们只招募了英语流利的美国参与者。

参与者

在研究的第一步中，我们调查了机器人行为在医疗保健环境中的影响，共有199名参与者通过AMT完成了实验。共有11名参与者未能通过我们的注意力检查，被排除在分析之外。根据AMT研究的标准实践，我们的注意力检查包括一个关于小插图主题的阅读理解问题，旨在评估参与者是否认真阅读。188名有可用资料的参与者年龄从20岁到72岁(平均34.58岁，标准差10.04)，女性77名，其他2名。样本的种族构成为白人或高加索人(74.5%，n=140)，亚洲人(5.8%，n=11)，非洲裔美国人(9%，n=17)，西班牙裔(6.9%，n=13)和其他(3.7%，n=7)。总共有95名参与者看到了以人为中心的小插图，93名参与者看到了以任务为中心的小插图。

研究的第二步，我们调查了机器人行为在其他与幸福感相关的环境中的影响，299名参与者完成了这项研究，其中254名通过了我们的注意力检查，从而提供了可用的数据。参与者年龄从20岁到71岁不等(平均36.48岁，标准差10.54岁)，其中111名参与者为女性，5名参与者为男性其他。样本的种族组成如下:白人或高加索人(79.1%，n=201)，亚洲人(3.1%，n=8)，非洲裔美国人(7.8%，n=20)，西班牙裔(6.7%，n=17)和其他(3.1%，n=8)。总共有93名参与者看到了减肥的小短文，92名看到了学习的小短文，69名看到了工作培训的小短文。这个过程与第一步相同，但有更多的小插曲。每个参与者只看到一个小插曲，以人为中心或以任务为中心的形式。

措施

机器人情商感知

我们根据Caruso和Salovey [45]，之前被Fan等人使用过[43来测量机器人对情商的感知。项目涉及情感感知(例如，“知道为什么人们会有这样的感觉”)，理解(例如，“体贴他人的感受”)和管理(例如，“为人们创造积极的情绪”)能力，参与者以5分的李克特量表表示，每个陈述在多大程度上描述了小短片中的机器人0=一点也不来非常如此(克伦巴赫α= .96点)。我们对每个参与者的所有项目的得分取平均值。

信任机器人

我们采用了Mayer和Davis的一项研究中的4项5分李克特量表[46来匹配小插图的背景。一个例子是“我愿意让这个机器人控制我的医疗管理。”该测量方法被用于研究的第二步，例如，在节食小插图中，项目将参考减肥计划，而不是健康保健管理。

机器人验收

参与者根据5分李克特量表对两种陈述进行打分0 =非常不同意来4 =非常同意比如发现机器人很有用(“如果我得了慢性病，我觉得有这样一个机器人来帮助我治疗很有用”)，或者想要使用一个和小插图中类似的机器人(“如果我得了慢性病，我想用这样的机器人来帮助我治疗”)，如果他们发现自己和病人的情况相似的话。在第二步的研究中，对测量方法进行了调整，使其与其他环境相匹配。

病人印象

我们根据调查医疗保健提供者对患者心理属性的印象以及这如何影响他们的护理决策的文献，开发了一种测量方法[15，16，29，47，48］．收集了一组相关的患者描述:可靠且自律，无组织且粗心，能够参与治疗并坚持医疗保健建议，可爱，有能力，有积极的态度，挑衅，破坏性，敌意和诚实。参与者根据上述描述(例如，“我觉得病人没有条理，粗心大意”)对10个关于病人的陈述进行打分，李克特评分为5分，从“0 =非常不同意”到“4 =非常同意”(Cronbach alpha=.81)。显示消极心理属性的项目被反向评分。我们对每个参与者的所有项目的得分取平均值。为了一致性和便于比较，在研究的第2步中，该测量中使用的人物描述符没有改变。请注意，尽管这些项目是基于对患者心理属性印象的文献构建的，但它们是跨上下文相关的。

材料

在这项研究中，我们使用文本小插图方法来评估人们对辅助机器人、它们的行为和它们所照顾的病人的看法、态度和印象。在文字小品中，描述了假设的情况，参与者被要求对这些情况作出反应。这是心理学和社会学实验中常用的方法，并已成功应用于人机互动研究(例如，[43])作为调查和告知可能的机器人设计选择的第一步。

研究的第一步是关注机器人在医疗保健环境中的行为，我们使用了一个有三个角色的文本小插图:一个医疗保健提供者，一个病人和一个辅助机器人。场景开始时，医疗保健提供者注意到患者正在使用辅助机器人进行治疗监测，并请求允许从机器人获取有关治疗进展的报告，患者对此作出肯定的回应。在一种情况下，机器人给出以患者为中心的报告，重点关注患者对治疗计划的需求和选择(以患者为中心的情况)。在另一种情况下，机器人给出一份以任务为中心的报告，重点是治疗计划的执行情况(以任务为中心的情况;看到图1）.治疗计划包括服药时间表和日常体育锻炼。

这个小插曲以视频形式呈现。对话被解析成块，通常包含一个对话回合，或者在机器人的情况下，它会说更长时间的句子，表达一个想法。每个块都显示在空白屏幕上。文字出现在屏幕上，就好像是在打字一样(使用打字机动画效果)，速度与大声说出来的速度相似。这给人的印象是一场充满活力的谈话。在每个对话回合或文本块的开头都清楚地指出说话者(例如，“机器人:病人……”)。

‎ 查看此图

小插图人物被称为卫生保健提供者，病人,机器人，并且没有指定人类角色的个人特征(例如，没有提出性别)。此外，没有描述机器人的能力或外观(例如，它是否人形);相反，这是留给参与者的想象。从小插图中，可以推断出机器人有能力跟踪治疗进展并产生口头报告。

第二步的研究,我们试图概括我们的发现和其他上下文,3附加片段(两种情况),建模密切在步骤1中的装饰图案(a)的结构(例如,相同的字符数和相同的对话进展保持),(b)主题(例如,机器人监控进展关于body-oriented任务比如节食和运动,跳舞,和培训锻炼的工作),(c)条件(即助理机器人以以人为中心或以任务为中心的方式进行报告)，(d)显示(即使用相同的分块和显示文本的程序)，以及(e)传达的信息量(即没有给出人类的个人特征和机器人的描述)。这些小插曲在描述的背景和涉及的人物方面有所不同。

在第一个小场景(节食小场景)中，机器人助手被用来监测减肥进度，并在客户、减肥教练和机器人助手之间进行互动。减肥计划包括饮食计划和日常体育锻炼。第二个小插曲(学习小插曲)的特点是一个机器人助手，用来跟踪学习如何跳舞的进展。互动发生在一名学生、一名舞蹈教练和助理机器人之间。学习目标包括舞蹈练习时间表和力量和调节程序。最后，在第三个小视频(训练小视频)中，使用机器人助手来监控志愿消防员的训练进度。互动涉及一名志愿消防员、一名中尉和助理机器人。训练目标包括体育锻炼训练计划和搜寻及救援演习训练。考虑到第二步中上下文和字符的多样性，我们将以病人为中心的条件从第一步开始人为本条件，人这里指的是减肥客户、学生或志愿消防员。

过程

参与者通过AMT进入实验。在阅读并同意同意书后，参与者填写了一份人口调查问卷(年龄、性别和种族)。然后他们按照指示观看视频。参与者被随机分配到一种情况:以人为中心或以任务为中心。观看完视频后，参与者按照以下顺序完成测量:感知机器人的情商、信任机器人、接受机器人、对患者的印象。实验结束后，参与者可以领取他们的1美元补偿。所有程序都经过我校机构审查委员会的审查和批准。

结果

机器人情商感知

第一步:医疗保健中的机器人行为

我们首先调查了参与者是否认为机器人的情商有差异，这取决于机器人是给出以病人为中心的报告还是以任务为中心的报告(见左图)图2和表1）.

‎ 查看此图

因变量	条件				统计数据
	以任务为中心的		成规
	N	意思是(SE)	N	意思是(SE)	F(df)	P价值
感知机器人的情商	92	1.17 (0.08)	93	1.53 (0.08)	9.14 (1)	.003	0.05
信任机器人	93	1.8 (0.09)	95	1.97 (0.08)	1.84 (1)	只要	0.01
机器人验收	92	2.15 (0.13)	95	2.33 (0.12)	1.01 (1)	收	< 0.01
病人印象	91	1.53 (0.06)	92	1.93 (0.06)	21.62 (1)	＜.001	0.11

我们进行了单因素方差分析机器人EI感知作为因变量和条件(以病人为中心/分散并且以任务为中心)作为自变量。我们发现了一个显著的效果条件，在以患者为中心的情况下，机器人的EI评分明显更高(F_1183年= 9.14;P= .003;和= 0.05)。我们还进行了ANCOVA，添加了参与者的性别(男/女)作为自变量条件参与者的年龄作为协变量。我们再次发现了一个显著的效果条件（F_1178年= 5.99;P<措施;和= 0.05)。受试者无显著影响性别或者重要的相互作用条件和性别被发现。参与者的的年龄,然而，对……产生了重大影响感知机器人EI;年龄较大的参与者认为机器人的情商较低(F_1178年= 12.89;P<措施;和= 0.07)。这与众所周知的老年人对机器人普遍不太喜欢的影响是一致的。

第二步:机器人在其他环境中的行为

与第一步类似，我们开始调查参与者是否根据他们所处的条件和小插图所描述的背景类型(见左侧)感知到机器人的情商差异图3和表2）.我们进行了2 × 3方差分析机器人EI感知作为因变量和背景(减肥/学习/工作培训)和条件(以人为中心/以任务为中心)作为独立变量(参见表3）.我们发现了一个显著的主效应条件当机器人给出以人为中心的报告时，参与者感受到更高的情商F_1243年= 10.71,P=。001年,= 0.04。的上下文对机器人EI感知。两者之间也没有显著的相互作用上下文和条件。我们还进行了ANCOVA添加参与者性别作为自变量条件和上下文和参与者的年龄作为协变量。与步骤1类似，我们发现了显著的主效应条件（F_1231年= 7.56,P＜.001，和= 0.04)和年龄（F_1231年= 5.53,P=。02年,=0.02)，但没有其他显著的主要影响或相互作用。

‎ 查看此图

变量		意思是广场	F(df)	P价值
感知机器人的情商
	条件	7.00	10.71 (1)	措施	0.04
	上下文	1.05	1.60 (2)	。2	0.01
	条件×上下文	0.04	0.06 (2)	总收入	< 0.01
	剩余	0.65	- - - - - -一个(243)	- - - - - -	- - - - - -
	总计	0.68	- (248)	- - - - - -	- - - - - -
信任机器人
	条件	3.51	4.14 (1)	.04点	0．02
	上下文	1.22	1.45 (2)	。	0.01
	条件×上下文	0.42	0.50 (2)	收	< 0.01
	剩余	0.85	- (245)	- - - - - -	- - - - - -
	总计	0.86	- (250)	- - - - - -	- - - - - -
机器人验收
	条件	8.28	5.00 (1)	03	0．02
	上下文	1.64	0.99 (2)	.37点	< 0.01
	条件×上下文	3.21	1.94 (2)	酒精含量	0.01
	剩余	1.65	- (246)	- - - - - -	- - - - - -
	总计	1.69	- (251)	- - - - - -	- - - - - -
人的印象
	条件	7.30	19.30 (1)	＜.001	0.07
	上下文	0.28	0.74 (2)	的相关性	< 0.01
	条件×上下文	0.96	2.53 (2)	。08	0．02
	剩余	0.38	- (244)	- - - - - -	- - - - - -
	总计	0.41	- (249)	- - - - - -	- - - - - -

^一个不适用。

信任机器人

第一步:医疗保健中的机器人行为

为了调查机器人以病人为中心还是以任务为中心的方法对人们对机器人的信任程度有影响，我们进行了一个单向方差分析信任机器人作为因变量和条件（以病人为中心/分散并且以任务为中心)作为自变量。我们没有发现明显的影响条件在信任机器人。我们进一步对参与者进行了ANCOVA。性别作为一个额外的自变量和参与者的年龄作为协变量，没有发现显著的影响性别或年龄在信任机器人。

第二步:机器人在其他环境中的行为

然后，我们调查了对机器人的信任是否受到以人为中心或以任务为中心的条件或小插曲背景(减肥/学习/工作培训)的影响。我们通过2 × 3方差分析与信任机器人作为因变量和条件和上下文作为自变量。的主要作用条件(人为本/分散并且以任务为中心)是重要的F_1245年= 4.14,P=。04年,=0.02，以人为中心组的参与者对机器人表现出更多的信任。带有参与者的ANCOVA性别和参与者的年龄添加为变量没有显示额外的主要影响。对于ANCOVA，条件的主效应未达到5%的显著水平F_1233年= 3.52,P=。06年,= 0.01。

机器人验收

第一步:医疗保健中的机器人行为

接下来，我们探讨了机器人护理方法的潜在影响，参与者会发现使用这种机器人进行自己的健康管理有多大的帮助和期望。我们进行了单因素方差分析机器人验收作为因变量和条件（以病人为中心/分散并且以任务为中心)作为自变量。我们没有发现明显的影响条件在机器人验收。通过添加参与者生成ANCOVA性别作为自变量和参与者年龄作为协变量，没有进一步的显著发现。

第二步:机器人在其他环境中的行为

为了探索这两种情况以及小插曲背景(减肥/学习/工作培训)对机器人接受度的影响(参与者发现机器人有潜在的帮助和可取的使用)，我们进行了另一个2 × 3方差分析，这次使用的是机器人验收测量作为因变量和条件和上下文作为自变量。我们又发现了一个主要的影响条件,机器人验收在机器人提供以人为本的报告的情况下，F_1246年= 5.00,P=。03年,= 0.02。对于其他措施，我们也对参与者进行了ANCOVA。性别和年龄作为附加变量，并没有发现除的显著主效应或交互效应条件F_1234年= 4.67,P=。03年,= 0.01。

病人印象

第一步:医疗保健中的机器人行为

我们还研究了机器人以病人为中心或以任务为中心的行为对参与者对病人心理属性印象的影响(见右图)图2)病人印象作为因变量和条件作为自变量。我们发现了一个显著的效果条件在病人印象，接触以病人为中心的机器人的参与者报告了更高的风险病人印象得分(即有较好的印象);F_1181年= 21.62;P<措施;和= 0.11)。我们还对参与者进行了ANCOVA性别以及两者之间的相互作用性别和条件作为额外的自变量和参与者年龄作为协变量。我们再次发现了显著的主效应条件，F_1176年= 19.13;P<措施;和=0.10，进一步显著主效应为性别，F_1176年= 4.01,P= 0。=0.02，女性参与者对病人的评价更积极。

第二步:机器人在其他环境中的行为

最后，我们检查了两种情况(以人为中心和以任务为中心的机器人报告)和小场景(节食/学习/工作培训)对参与者对人(客户、学生和志愿者)印象的影响;看到图3）.我们进行了2 × 3方差分析对人的印象作为因变量和条件和上下文作为自变量。我们发现了一个主要的影响条件F_1244年= 19.30,P＜.001，和= 0.07。在以人为中心的条件下，参与者对客户、学生或志愿者的印象明显更高(更积极)。和以前一样，我们继续进行ANCOVA，添加参与者的性别作为自变量和参与者年龄作为协变量。我们没有发现显著的主效应或交互效应性别或年龄但条件再次成为重要的F_1246年= 16.16,P＜.001，和= 0.06。

讨论

对于医疗保健环境，我们的研究结果证实了我们的第一个假设，即表现出以患者为中心行为的机器人被认为具有更高的EI。然而，我们没有发现第二和第三个假设的支持:没有迹象表明，当机器人以任务为中心时，人们对它的信任或接受程度会降低。当Fan等人[43虽然他们发现基于机器人情商水平的信任差异，但他们的实验操作比本研究中的操作要极端得多:他们将一个彬彬有礼、善解善解的机器人与一个粗鲁无礼的机器人进行了比较。

此外，我们的研究结果表明，机器人的行为能够显著影响人们对病人的印象。令人惊讶的是，机器人对病人代理的尊重对人们如何看待病人产生了积极的影响。这一点尤其值得注意，因为机器人报告的事实是相同的:在两种情况下，据报道，患者在遵守药物时间表和遵循锻炼常规方面失败的次数是相同的。这表明使用机器人积极影响患者护理的新机会。

除了医疗保健，我们还在与幸福相关的其他环境中重复了这些结果，这表明这些发现可以推广到其他情况。这表明社交机器人对人际互动的影响并不局限于医疗依从性，而是可以推广到其他类别的互动。我们在研究第二步的发现表明，当机器人以人为中心行事时，它们被认为情商更高，而且它们的行为会影响其他人对它们所帮助的人的看法。在研究的第二步，而不是第一步，我们还发现机器人的行为对机器人的信任或接受程度有很小的影响。

据我们所知，这是第一个探讨辅助机器人对他人如何判断患者的潜在影响的研究。通过简单地改变机器人给出治疗进展报告的方式(操纵使用的语言，而不是传达的事实)，机器人在一定程度上使患者被认为是可爱的、自律的、有能力的、有积极的态度，而不是敌对的、破坏性的和无组织的。人们从机器人那里得到提示，当机器人使用以病人为中心的语言，表示对病人代理的尊重，而不是以任务为中心的语言，专注于治疗基准时，人们对病人形成了更积极的印象。

值得注意的是，机器人能够产生这种效果，因为它们的语言输出是脚本化的，当然不会像人类选择的语言那样带有情感内涵。机器人的行为不像人类的行为那样与信念和态度有关，但我们的研究结果表明，我们无意中让我们对他人的感知和印象受到了机器人行为的指导。这既可以被视为对人机交互领域的警示意义，也可以被视为该领域的机遇:如果机器人可以影响我们对他人的看法，那么也许它们可以用于改善医疗保健环境及其他领域的关系。

尽管这些结果表明了有希望的可能性，但需要更多的研究来了解如何将辅助社交机器人最佳地嵌入到医疗保健环境中的社交互动中。首先，本研究的一些空白和局限性需要通过进一步的研究来解决。因为这项研究是基于假设的小插曲，所以在将这些发现推广到现实世界的互动时需要谨慎。此外，我们实验的参与者是外行人，与病人没有任何联系。目前尚不清楚医疗保健提供者或为患者健康投资的人是否同样容易受到机器人的影响。此外，参与者自己在照顾和支持病人方面可能有不同程度的经验，这可能会影响他们受机器人影响的程度。此外，他们自己的健康状况也可能与此有关。与自己的健康和治疗作斗争的人可能会更同情另一个人对代理的需求，而不是自己的治疗，这可能会调节机器人的影响。值得注意的是，关于照顾病人的文化规范的变化，关于病人与照顾者之间应该拥有多少隐私、代理和责任的信念，也可能影响人们对机器人行为的看法。这些因素与机器人行为影响的潜在相互作用仍有待进一步研究确定。

我们研究的另一个限制是，对病人的印象是在没有关于病人的任何其他信息的情况下形成的。在现实生活中，即使是很短的第一次互动，人们也会释放出大量关于他们是谁的信号(年龄、性别、种族和社会阶层)，研究表明，人类能够以极快的速度形成印象。49］．因此，机器人对人们印象的影响很可能会被病人自己传达的信息大大调节。例如，人们可能一开始就有不同的信念，关于一个人对自己的治疗应该有多大的决定权，这取决于他们是老年人、年轻人还是孩子。在我们的小插曲中，人们的特征完全留给了参与者的想象，有些人可能会形成非常生动的病人形象，而另一些人则不然。

同样，机器人的特征留给了参与者的想象，这可能有助于机器人的感知方式。各种特征对机器人感知的贡献可能是混合的。例如，Fan等人[43研究表明，机器人的一些特征对感知情商的变化具有很强的抵抗力:机器人的声音和手势对人们对机器人情商的评分没有影响，作者发现视频、音频或文字小片段之间没有差异。似乎机器人说的话是决定机器人情商高低的唯一最重要的因素。然而，另一项研究[44研究人员发现，除了机器人所说的话外，机器人的性别(通过名字表明)也会影响人们对机器人情商的看法。

最后，尽管我们发现机器人对他人对其所协助的人的印象的影响可以推广到各种情境中，但影响的大小可能因情境而异。图3这表明，在节食的情况下，人们对机器人的印象并不同样容易受到机器人行为的影响。在节食方面，机器人以任务为中心的行为不会对人们对减肥者的印象产生负面影响。也许人们对节食有更多的经验，知道坚持节食计划有多困难，因此对减肥教练的客户更感同身受。另一种可能是，人们已经觉得个人应该对自己的体重有选择权，而不是对自己的医疗、学习或工作表现有选择权。需要进一步的研究来确定影响人们如何形成对他人看法的情境相关因素。

结论

据我们所知，这是第一个调查机器人行为对人们对机器人所协助的人形成印象的影响的研究。我们发现，当机器人以人为中心行事时，人们认为它的情商更高，在某些情况下，它更值得信赖，接受率更高。最重要的是，机器人能够影响人们对病人的印象，通过模仿尊重这些人在医疗、减肥计划、学习和职业培训方面的代理和选择的行为来指导客户、学生和志愿者。人机交互研究最直接的影响是:(1)意识到社会辅助机器人对被辅助者与其他人之间关系的影响是很重要的;(2)积极影响人际关系的能力为机器人在追求健康和福祉方面的应用开辟了新的令人兴奋的机会。