机器人的社会包容性取决于机器人向观察者呈现的方式

摘要

研究表明，人们会根据特定类别来评价他人。由于这种现象似乎从人与人之间的互动延伸到了人与机器人之间的互动，因此本研究重点关注（1）关于技术的先验知识程度，包括理论背景和技术教育；以及（2）对机器人的意向性归因，作为可能调节个体将机器人视为社会伙伴倾向的因素。为此，我们设计了一项研究，要求两组在技术先验知识方面有所不同的参与者完成一项抛球游戏，在观看一段视频前后各进行一次测试。视频中，人形机器人iCub被呈现为人工系统或有意图的主体。结果显示，无论参与者的技术先验知识水平如何，当观察到iCub被呈现为人工系统时，人们更倾向于在社交中接纳该机器人。因此，我们认为，机器人被呈现的方式，而非关于技术的先验知识，更有可能调节个体将机器人视为社会伙伴的倾向。

关键词 ：知识，技术，意向性归因，网络球，人机交互

1 引言

社会分类是人类社会认知的关键机制。我们倾向于根据性别、年龄和种族等各种线索对他者进行分类。社会分类使我们能够应对日常生活中所处理的社会信息的复杂性，通过将信息归入单一类别来减少需要处理的新信息量。事实上，从婴儿早期开始，我们的大脑就采用多种策略来应对其需要处理的大量信息。其中一种避免超负荷的策略是“组块化”。信息的组块化基于语义关联性和感知相似性，这些信息通常被共同加工并存储在记忆中，以便我们能更好、更快地回忆更多信息。值得注意的是，这种“组块化”处理策略似乎也参与了社会认知过程，例如，将组别成员表示为一个整体启发式全局中可互换的部分。通过这种方式，表征每个组别成员的复杂性被更少认知负担的组块化信息处理所取代。有趣的是，组块化已被提出作为解释为何人们通常更容易回忆起少数群体成员个体信息的一种可能机制。事实上，与多数群体成员相比，少数群体成员数量较少，这意味着更小的信息负荷，因为这些信息可以在记忆中被“组块化”为单个编码信息单元进行存储。换句话说，组块化代表了一种认知“捷径”。首先，它允许在组别层面将知觉对象进行分类，因为可以根据性别、年龄和种族身份等线索轻松区分组别成员。然后，在基于组别层面处理完可用信息后，才进一步构建个体层面的信息和个人身份。在与他人共享的社会情境中，组块化通过识别内在的共享特征并对社会施加结构来简化知觉和社会认知。人们将自己和他人划分为不同的组别（内群体和外群体）。一旦确定，组别分类会影响后续的评价和行为，且通常在无意识的情况下发生。总之，社会分类塑造了人们与他人互动的方式，使他们对自己群体内被认可的人们产生更强的偏好。成为组别的一员具有诸多益处：事实上，组别提供社会支持、获取重要资源的机会、免受危险的保护，以及与潜在伴侣建立联系的可能性。因此，群体成员身份作为人类生活的一个关键方面，在心理学研究中得到了广泛探讨，这并不令人意外（例如，参见参考文献[15]中的综述）。

近年来，社会包容也成为人机交互（HRI）领域的一个重要话题，因为有证据表明，人类对机器人采用的社会认知机制与对待其他人类的机制相似。例如，埃塞尔和库琴布兰特发现，人类用户更倾向于与被归类为组别内成员的机器人进行互动。具体而言，德国参与者被展示一张人形机器人的图片，并被告知该机器人属于其本国组别内（德国）或组别外（土耳其）。当被要求对机器人的拟人化程度、温暖感和心理亲近度进行评分时，参与者倾向于对被呈现为组别内成员的机器人给予更积极的评价，相比之下，对组别外成员的机器人评价较低。

社会心理学研究中常用来以更隐晦的方式评估排斥和社会包容的一项任务是网络球范式，在此任务中，参与者认为他们正在与两个或更多由计算机程序控制的动画图标或头像，在线玩抛球游戏。在任务过程中，程序可以改变将球传给玩家的频率。例如，被排斥的玩家在最初两次传球后就不再收到球，因此获得的传球次数少于其他玩家；而被接纳的玩家则会反复接到球，获得与其他玩家相等数量的传球。网络球范式已在许多不同的实验情境中被广泛用作衡量社会包容的隐性指标。例如，在先前的一项研究中，同谋者的种族被加以操控，使得高加索裔美国参与者在执行网络球任务时，与同种族（即，高加索裔美国人）或不同种族（即，非裔美国人）的同谋者进行互动。结果表明，被内群体成员接纳或排斥加剧了排斥或包容的体验。换句话说，当由内群体成员（即同一种族的同谋者）实施时，排斥被视为更加痛苦，而社会包容则被视为更加积极。

个体差异也被证明会影响社会包容。例如，自尊、自恋和自我同情等个体特质似乎会调节人们社会包容他人的倾向，因此，在制定旨在减少因社会排斥而引发的攻击性的干预措施时，应考虑这些因素。有趣的是，个体差异对社会包容的影响不仅适用于对其他人类的包容，也适用于机器人等人工代理。例如，年龄似乎起着关键作用，最近一项针对进行机器人辅助干预的临床医生组别的研究证明了这一点。具体而言，在调查人们对机器人的显性和隐性态度的个体差异时，发现年长的临床医生表现出更负面的态度。此外，教育水平也被证明会调节对机器人的社会包容，即人们受教育程度越高，就越不容易将机器人视为社会实体。机器人社会融入的个体差异还受到文化的影响，导致人们对机器人表现出不同水平的信任、讨人喜欢程度和参与度。在最近的一项研究中，两个不同国籍的参与者，即中国人和英国参与者，执行了网络球任务的修改版本，以评估他们将人形机器人iCub纳入游戏的社会包容倾向。有趣的是，结果表明，只有个体层面的文化差异，而非国家层面的文化差异，能够预测机器人社会融入的情况。换句话说，参与者表现出的集体主义立场越强，他们在网络球游戏中就越倾向于社会包容该机器人。然而，参与者的国籍——即他们属于集体主义文化（如中国人）还是个人主义文化（如英国人）——并未影响其社会包容行为。

社会包容与排斥与人们对他人所持有的先验知识或偏见有关。事实上，已有研究表明，当人们反复接触新异刺激时，往往会对其产生偏好，因为重复暴露使人们能够获得关于这些刺激的知识。这一心理现象被称为“mere exposure effect”，并已在人际互动情境中得到广泛证实（参见文献[33]以获取综述）。事实上，个体接触某人的频率越高，他们就越可能容易喜欢它们，并表现出更强的互动意愿。后续研究进一步支持了这一点，强调重复暴露会增加感知相似性，减少对他人的偏见，并提高将其视为社会伙伴的可能性，因为这些个体被视为自身内群体的一部分。对此的一种解释是，重复暴露随着时间推移减少了人们对新奇性的戒备心理，从而增加了喜爱感，例如面对其他人类似。换句话说，人类在进化过程中对新异刺激保持警惕，因为这些刺激可能构成潜在威胁。因此，通过重复暴露，个体获得了更多知识。随着知识的增加，他们逐渐认识到这些实体本身并不具有威胁性。结果，随着时间推移，个体开始更加喜欢它们。值得注意的是，当与机器人互动时，同样的机制似乎也在发挥作用，人们报告称在多次互动后更喜欢机器人，并对其持有更积极的态度。

或者，也有可能是随着人们’对新异实体的熟悉度提高，其情感反应会变弱，这是由于情感习惯化所致。然而，这只适用于“极端”实体，即在物理外观上表现出近乎完美的人类表征”的实体。根据即，在外形上接近完美人类表征恐怖谷假说，如果这些实体仍可被区分为非真实人类，则可能增强人们’对其的情感反应。但对于最初中性的刺激，由于单纯曝光效应，重复接触可能使其情感评价变得更积极。

考虑到接触在社会接纳和社会包容中所起的作用，探讨先验知识和技术背景在将机器人视为社会伙伴（从而实现社会包容）方面的感知作用至关重要。

2 目标

本研究旨在探讨参与者将机器人视为社会伙伴的倾向是否会因其技术先验知识（包括理论背景和技术教育）而有所不同。

我们考察的另一个可能调节观察者将机器人视为社会伙伴意愿的因素，是向观察者呈现机器人的方式，即机器人是被呈现为有意图的主体，还是仅仅作为机械装置。Malle及其同事（2001）认为，意向性归因有助于人们解释自己和他人的行为就潜在的心理原因而言。人类擅长检测意图：当人们被要求区分有意行为和无意行为时，他们的判断会表现出高度的一致性。例如，我们仅从智能体的简单外观形式就能准确判断其是否为有意行为。此外，通过观察以目标导向、有意图的方式组织的运动信号，也可以实现这种判断。根据Searle（1999）的观点，预测和解释（人类）行为的能力包含将他人识别为具有意向性的存在，并将他人心智解读为拥有信念和欲望等“意向状态”的能力。这正是丹尼特所称的意向立场，即在社会情境中将意图和意向状态归因于其他智能体。在人机交互（HRI）领域，已有若干研究表明，人们会像对待具有意图、信念和欲望等心理状态的生命体一样对待机器人（例如，[50–52]），这符合Searle的定义。有趣的是，形态和外观也会影响对意向性的感知。例如，在与类人机器人互动时，随着其感知到的类人性增加，人们构建其心智模型的可能性也随之提高。此外，人们对类人机器人更容易产生共情，因此当类人性增强时，人们对机器人采取意向立场的程度可能与对人类的意向立场非常相似。

人们可能会对机器人采取意向立场的一种可能解释是，人们对系统被设计成如何行为并不了解。因此，他们会将机器人视为有意图的系统，因为这样可以使用熟悉且经过充分训练的“图式”——通常用于解释其他人的行为——来解释机器人的行为。与此一致的是，人们接触机器人的次数越多，就越可能获得有关这些系统如何被设计和控制的知识。因此，这可能会阻止人们采取意向立场，并使他们仅将机器人视为预编程的机械系统，从而使人们更不愿意将其视为社会伙伴。

然而，据我们所知，此前尚无研究探讨社会包容如何依赖于技术先验知识以及由机器人向观察者呈现方式所引发的意向性归因这两者共同作用的影响。

本研究通过正交操纵这两个因素来回答这一问题。为了检验技术先验知识的影响，我们招募了两组在技术先验知识水平上有所不同的参与者。即，我们测试了两组参与者：一组是在理论背景和技术教育方面具备技术先验知识的参与者（即“技术专家”组），另一组是根据其正式教育水平在技术方面缺乏先验知识的参与者（即“普通人群”组）。

为了引发不同程度的意向性归因，我们采用被试间设计，向参与者展示了一段视频，内容为iCub机器人执行有明确目标的动作（有意图的行动）（“心理主义”视频；参见数据可用性部分以获取视频URL，文件名：“Ment_Video.mp4”），或展示一段机器人被安装在其平台并进行校准的视频（“机械论”视频，参见数据可用性部分以获取视频URL，文件名：“Mech_Video.mp4”）。

为了检验个体将机器人视为内群体社会伙伴的倾向，我们开发了一种修改版的网络球任务（例如，[18,19,23]），这是一种广泛使用且用于测量（隐式）社会包容的任务（另见[56]，以获取更多信息）。在原始研究中，参与者被告知网络球任务仅用于评估他们的心理可视化能力。作者们发现，尽管参与者是与屏幕上显示的动画图标进行游戏，而非真实的人，但他们仍然在意自己在游戏中被其他玩家包含的程度。例如，当参与者被包含时（即他们在三分之一的抛球中接到了球），游戏结束后他们报告了更积极的感受——在控制感、自尊和存在的意义方面——相比那些仅在六分之一抛球中接球的参与者。

在我们的网络球任务版本中，参与者被要求尽快将网络球抛给另一位玩家（iCub或另一位人类参与者），并可自由选择抛球对象。值得注意的是，两位玩家（即iCub机器人和另一位人类参与者）均为头像，参与者相信这些头像是正在在线与他们一起游戏的真实代理。具体而言，iCub机器人的头像被设定为在两位玩家之间平均传递网络球；而另一位人类参与者的头像则被设定为仅在游戏开始时向iCub抛球两次，之后便不再抛球。该设计旨在让参与者认为机器人被另一位代理排除在外，从而考察参与者是否会通过重新将iCub纳入游戏中来与其互动。

为了检验将机器人呈现为有意图性或机械论性的影响，我们要求参与者在两个独立的会话中进行网络球任务，即分别在观看“机械论”或“心理主义”视频前后进行（即网络球前测与后测）。值得注意的是，网络球任务在这两次会话中的结构完全相同。

我们假设，如果技术先验知识是影响机器人社会融入的唯一因素，那么与非专家参与者（即“普通人群”样本）相比，具备技术先验知识的人（即“技术专家”样本）应对机器人表现出更高的社会包容性，无论视频中机器人的呈现方式如何。根据单纯曝光效应，这可能是因为更高的技术先验知识会增加对机器人等技术系统的了解，从而提升对机器人代理的感知相似性。

相反，如果意向性归因是影响机器人社会融入的唯一因素，那么相较于观察到iCub被呈现为人工的、预编程制品的参与者，观察到iCub被呈现为意向系统的参与者的重新接纳机器人的概率应更高，且不受参与者技术先验知识的影响。也就是说，参与者在观看iCub执行目标导向行为的视频后，应比观看iCub被固定在其平台上随后进行校准的视频后更频繁地将球抛给iCub。这一效应在技术专家和非专家参与者中应相似。

如果两个因素（即先验知识以及向参与者呈现机器人的方式）都在机器人的社会融入中发挥作用，那么我们预期这两个因素之间会存在交互作用。具体而言，视频中呈现机器人的方式（即作为人工系统还是意向系统）应会影响参与者在Cyberball后测阶段相较于前测重新将机器人纳入游戏的可能性，但这种影响取决于参与者对技术的先验知识（即“普通人群”与“技术专家”样本）。

3 材料与方法

3.1 参与者

通过在线平台Prolific（https://prolific.co/）招募了160名参与者参加本研究。参与者的筛选标准如下：年龄范围（18‐45岁）；英语流利程度，以确保参与者能够理解实验说明；用手习惯（右利手）；以及关于技术的先验知识，涉及理论背景和技术教育。具体而言，一半的参与者（“技术专家”样本）基于“工程学”和“计算机科学”的教育背景进行筛选，而另一半（“普通人群”样本）则排除了这两个背景，以避免因正式教育而具备技术先验知识的参与者参与，从而确保数据采集的公正性。为了再次确认参与者申报的教育背景与通过Prolific平台选择的背景一致，在实验开始前，我们明确邀请参与者说明其教育背景以及是否与机器人学相关。值得注意的是，有四名属于“普通人群”样本的参与者在被明确询问时声明其具有机器人学背景。因此，在核实其确实具备机器人学背景后，这四名参与者被重新归入“技术专家”样本。

该研究获得了当地伦理委员会（利古里亚大区伦理委员会）的批准，并按照世界医学协会（赫尔辛基宣言，2013年）的伦理标准进行。所有参与者通过在在线表格中勾选相应选项的方式提供了知情同意，且他们对实验目的不知情。所有参与者均获得了4.40英镑的酬金。

3.2 程序

实验采用2（会话：网络球前测与后测，被试内）× 2（视频类型：机械论 vs 心理主义，被试间） × 2 （组别：普通人群 vs 技术专家，被试间）设计。

实验开始时，要求参与者进行一种修改版的网络球游戏(例如，[18,19,23])，参与者认为他们正在进行在线游戏与另一个人类参与者和人形机器人iCub（图1）。

每次试验开始时，屏幕右侧显示人类参与者，左侧显示iCub机器人；参与者的名称（“您”）显示在屏幕底部。传球动作通过一个持续1秒的球的动画来表示。如前所述，iCub被设定为以相等的概率在参与者和人类头像之间交替传球；相反，人类参与者仅在游戏开始时向iCub传球两次，之后不再传球。当参与者接到球后，在传球前需等待其名称（即“您”）由黑色变为红色。随后，他们有500毫秒的时间决定将球传给哪位玩家。要求参与者尽可能快速地做出反应，并可自由选择任一玩家。若要选择右侧的玩家（“人类”），参与者需按下“ M”键；若要选择左侧的玩家（“iCub”），则需按下 “Z”键。为确保参与者不会因按键位置不同而产生偏差，我们要求参与者使用标准QWERTY键盘完成任务。如果参与者选择玩家的时间超过500毫秒，屏幕上将显示红色的“超时”提示，该次试验将被拒绝。该任务包含100次试验，在前测和后测网络球会话中，参与者均会收到100次球。也就是说，在两个会话中，参与者都需要进行100次传球选择。刺激呈现和反应收集由PsychoPy v2020.1.3[57]编程实现。

在进行会前Cyberball后，要求参与者观看一个40秒视频。作为被试间操纵，一半的用户观看了将iCub呈现为人工系统的视频，而另一半用户观看了iCub表现为具有意图、类人主体并执行目标导向行为的视频。

观看视频后，参与者被要求回答几个问题（例如， “你在视频中看到了多少人类/机器人？”，以及“你会给这个视频起什么标题？”）。这些问题的目的是确保参与者关注了视频内容。实验结束后，我们仔细检查了参与者的回答，以查看是否存在与视频内容不一致的回答。所有参与者的回答均与所描述视频的内容一致，表明参与者确实注意了视频。

回答问题后，参与者被要求再次进行网络球游戏，该任务与观看视频前所进行的完全相同。

4 结果

4.1 数据预处理

由于技术错误，两名参与者的数据未被保存，其中一名来自“普通人群”样本，另一名来自“技术专家”样本，因此他们未被纳入分析。其余数据使用R Studio v.4.0.2[58]，并结合lme4包[59]，和JASP软件v.0.14.1（2020）进行分析。对于有效试验少于80%的参与者（即，在参与者自己的“你”名字变红后的500毫秒内按下“Z”或“M”键的试验），其数据被排除在进一步分析之外（共排除11名参与者；占总试验数的5.29%，平均= 120毫秒，标准差= 100毫秒）。因此，最终用于分析的样本量为N = 147（“普通人群”组，N = 75：机械式视频，N =39，心理式视频，N = 36；“技术专家”组，N = 72：机械式视频，N = 34，心理式视频，N = 38）。

此外，为了检测异常值，所有偏离参与者平均反应时间（RTs）超过±2.5个标准差的试验也被排除在后续分析之外（占试验总数的3.17%，平均= 420.86毫秒，标准差 = 26.57毫秒）。

4.2 机器人选择概率

为了检验个体将机器人视为内群体社会伙伴的倾向是否受到（i）技术先验知识的综合影响（ii）机器人的呈现方式，将传给iCub的球的概率作为逻辑回归模型中的因变量。实验阶段（Cyberball前测与后测）、视频类型（机械式视频与心理化视频）以及组别（普通人群与技术专家），以及它们之间的交互作用被视为固定效应，参与者被视为随机效应（有关选择机器人比率的均值和标准差的更多信息，请参见表1）。值得注意的是，在本研究中，该模型满足逻辑回归的假设条件，即线性、预测变量之间无多重共线性，且不存在强影响力的异常值（更多信息请参见补充材料文件，第SM.1点）。

结果显示了会话的主效应（β= 0.18，标准误= 0.05，z = 3.96，p < 0.001，95% 置信区间=[0.10； 0.28]），在网络球后会话中选择机器人的概率高于前会话。此外，出现了显著的会话 × 视频类型交互作用（ β= −0.18，标准误= 0.07，z = −2.69，p = 0.007， 95% 置信区间=[−0.32； −0.05]）。

为了研究这种双向交互作用，我们首先分别根据被试内实验阶段（Cyberball前测与后测）运行了两个逻辑回归模型，将视频类型（机械式视频与心理化视频）作为固定效应，参与者作为随机效应。结果表明，在后测会话中，参与者在观看机械式视频后更倾向于重新让iCub参与任务（β= −0.13，SE= 0.04，z = −3.4，p < 0.001，95% CI=[−0.21； −0.06]；机械式视频和心理式视频的平均值分别为= 58% 和 55.7%）。重要的是，在Cyberball前测会话中未观察到这一现象（β= 0.10， SE=0.07，z = 0.26，p = 0.79，95% CI=[−0.06； 0.09]；机械式视频和心理式视频的平均值分别为= 52.2% 和 51.8%）（图2）。

此外，我们假设，与那些看到iCub被呈现为一种人工的、预编程产物（即“机械论”视频）的人们相比，看到iCub被呈现为一种有意图的、类人系统（即“心理主义”视频）的人们更倾向于重新接纳iCub在游戏中更多地重新接纳。因此，我们还根据视频类型（机械式视频与心理化视频）分别运行了两个逻辑回归模型，将会话（前测与后测）作为固定效应，参与者作为随机效应。结果表明，在观看机械式视频后，与前测相比，参与者在后测中更倾向于重新让iCub加入游戏（β= 0.20，标准误= 0.04，z = 5.77，p < 0.001， 95% 置信区间=[0.13；0.27],，前测和后测的平均值分别为= 52.2% 和 58%）。然而，在观看心理式视频的参与者中未观察到这一现象（β= −0.03，标准误= 0.07，z = 1.9，p = 0.06，95% 置信区间=[−0.02； 0.13]；前测和后测的平均值分别为= 51.8% 和 55.7%）（图3）。

值得注意的是，组别-与视频类型 ×的交互作用并不显著，结果无统计学意义（β= −0.02，标准误= 0.06，z= 0.4，p= 0.68，95% 置信区间=[−0.1；0.16]；表1），表明参与者的’技术先验知识水平并未影响根据视频类型（机械论 vs 心理式视频）所做出的机器人选择概率。

此外，组别-与会话的交互作用也未达到显著水平 ×（-交互作用不显著，p = (β= −0.02，标准误= 0.07， z = = 0.37，p = =0.71，95% 置信区间=[−0.1；0.16]； 表1），表明参与者的技术先验知识水平并未调节不同会话中-机器人选择概率的变化（网络球前测 与后测）。

无其他主效应或交互作用达到显著性水平，所有 p 值 > 0.31。

5 讨论

本研究旨在探讨个体将机器人视为内群体社会伙伴的倾向是否会受到以下两个因素的影响：（1）参与者的技术先验知识程度，即其理论背景和技术教育水平；（2）向观察者呈现iCub的方式（将其呈现为一个人工的、预编程系统，或是一个有意图的主体）。针对第一个研究目的，我们收集了两组在技术先验知识程度上存在差异的参与者样本，分别为“技术专家”组和“普通人群”组，后者具有较少的技术先验知识。为了实现第二个研究目的，我们要求参与者观看一段“机械论”视频（其中 iCub被呈现为一个机械装置），或一段“心理主义”视频（其中iCub表现出有目标导向的行为）。将iCub作为内群体成员进行社会接纳的倾向通过网络球任务中参与者将球抛给机器人的概率来衡量（例如，[18,19,23]）。

具体而言，我们要求参与者在两个独立的会话中完成该任务，即在观看视频前后各进行一次，以评估视频中机器人的行为是否会影响参与者重新将iCub纳入任务的倾向。

我们的结果表明，与前测会话相比，参与者在网络球后测阶段更倾向于重新接纳机器人，但这种情况仅发生在观看了将iCub描绘为人工系统的视频（“机械论”视频）之后。而对于观看了将iCub呈现为有意图的主体的视频（“心理主义”视频）的人们来说，则并未表现出在不同会话间机器人选择概率的差异（Cyberball前测与后测）。值得注意的是，这些效应并未受到个体技术先验知识程度的调节，因为三者之间的交互作用（会话 × 视频类型 ×组别）并不显著。

因此，我们的结果表明，机器人向观察者呈现的方式（而非技术先验知识）影响了个体将机器人视为社交伙伴的倾向。这一点也通过以下事实得到证实：重新将iCub纳入游戏的概率仅在Cyberball后测阶段发生变化，即在参与者观看了iCub视频之后。

结果显示，参与者只有在之后才更倾向于在游戏过程中让机器人参与社交活动观看“机械论”视频并不支持我们的初始假设。事实上，我们原本预期，观察到iCub被呈现为一个有意图的、类人系统（即“心理主义”视频）的人们，相比观察到iCub被呈现为一个人工的、前测编程产物（即“机械论”视频）的人们，会更倾向于将机器人重新纳入游戏中。

一种可能的解释是，人们’对机器人-的态度受到他们对机器人的先入为主期望的驱动，就像与其他人互动时一样[60]。例如，马凯西-及其同事[61]最近研究了人形机器人iCub所表现出的行为类型是否会影响参与者’将心理主义解释归因于机器人行为的倾向。因此，他们 在参与者’观察机器人表现出的两种行为（即，果断与犹豫）之前和之后，评估了其对机器人意向性的归因。有趣的是，他们发现，对机器人’能力的期望越高，越可能导致更高的意向性归因，并更多地使用心理主义描述来解释机器人行为，即使该行为呈现为机械论的[61]。

这种推理也与之前在人机交互（HRI）中的研究结果一致[62,63]，表明当人们经历机器人表现出的意外行为时，这种违背预期的正向或负向价值可能会显著影响个体将机器人视为社会伙伴的感知。

在本研究中，一种可能的解释是，如果人们将机器人视为人工系统，那么以这种方式呈现的机器人（即 “机械论”视频）可能会符合他们对机器人的既有预期。因此，如果人们观看了一段iCub以他们预期方式行为的视频，他们可能更倾向于在Cyberball游戏中与iCub互动。

另一种解释可能源于计算机作为社会行动者(CASA)框架[64,65]。该理论源自媒介等同理论[54]，认为人类会像对待真实的人一样对待媒体代理（包括社交机器人），并将与人互动的行为脚本应用于与技术的互动中[66]。重要的是，CASA 并不适用于每一种机器或技术：要应用 CASA，必须满足两个基本标准[65]。第一个标准是社会线索，即个体必须面对一个具有足够线索的对象，从而促使该人将其归类为值得给予社会回应的存在-gorize it as worthy of social responses[65]。第二个标准是信息来源。Nass 和 Steuer(1993) clarified that CASA tests whether individuals can be induced to make将计算机视为自主的信息来源所做出的归因[67]；也就是说，它们是否被视为主动的沟通来源，而不仅仅是传递信息，或仅作为人际交流的渠道（例如，[68]）。根据这一点，本研究中的参与者可能是在观看了机械式视频后才更愿意与机器人互动，因为他们认为该机器人表现出自主性，从而满足了第二个标准。关于第一个标准（即社会线索的存在），需要指出的是，人们对何为 “社会性”的感知因人而异、因情境而异[26]。因此，很难明确定义一套客观且普适的参数来界定何种信号足以被视为社会线索。

值得注意的是，CASA框架曾主张个体差异（如教育水平或先前的技术使用经验）可能具有重要作用。Nass和Steuer最初提出，在检验CASA[67]时，某些个体差异因素（如人口统计学特征（例如教育水平）和技术知识）可能是至关重要的。与此一致的是，最近的研究结果也表明，CASA效应受到先前计算机使用经验等因素的调节[69]，并且人们对媒体代理（如社交机器人）的期望可能因其经验而异[70]。因此，先前的技术使用经验似乎与CASA的假设相关。然而，我们的结果并不完全符合该框架所衍生的预测，因为我们的研究结果显示，参与者的技术先验知识对其在网络球任务中将机器人进行社会包容的倾向没有影响。不过，这些结果还需通过未来的研究进一步验证，尤其是在严格控制的实验室环境中进行的研究。此外，可以在实验结束时增加实验后问卷，以厘清各个因素在机器人社会融入中的具体作用。

6 结论

综上所述，这些发现表明，机器人向观察者呈现的方式（而非技术先验知识的程度）调节了个体将机器人视为内群体社会伙伴的倾向。然而，这些初步探索性发现需要在未来的研究中通过更受控的实验室实验（而非在线测试协议）加以验证。

资助信息 ：本工作获得了欧洲研究理事会（European Research Council）的资助。本文内容由作者们全权负责。欧洲委员会或其下属机构对其所含信息的任何使用均不承担任何责任。

作者贡献 ：C.R. 设计了研究，收集并分析了数据，讨论并解释了结果，撰写了稿件。F.C. 设计了研究，讨论并解释了结果，并撰写了稿件。A.W. 设计了研究，讨论并解释了结果，并撰写了稿件。所有作者们对稿件进行了修改。

利益冲突 ：作者们声明，该研究是在不存在任何可被视为潜在利益冲突的商业或财务关系的情况下进行的。

知情同意 ：本研究已获得所有参与个体的知情同意。

伦理批准 ：涉及人类使用的研究所遵循的所有相关国家法规、机构政策均符合赫尔辛基宣言的原则，并已获得作者们所在机构审查委员会或同等资质委员会的批准。

数据可用性声明 ：本次研究中分析的数据集以及用作刺激材料的视频可通过以下链接获取：
https://osf.io/7xru6/?view_only=cb4d0196df64465481a7fc4c90c1d6c4（存储库名称：“机器人的社会包容性取决于机器人向观察者呈现的方式”）。