Аннотация
Введение. Чат-боты на основе генеративного искусственного интеллекта (ИИ) приобретают популярность и влияют на различные аспекты жизни. Важным компонентом пользовательского опыта является вовлеченность, отражающая активность и глубину взаимодействия пользователя с ИИ. Цель исследования — адаптация шкалы User Engagement Scale для оценки вовлеченности русскоязычных пользователей во взаимодействие с чат-ботами на основе генеративного ИИ.
Методы. В исследовании приняли участие 210 респондентов (18–60 лет). Лингвистическая адаптация включала прямой и обратный перевод, экспертную оценку и фокус-группу. Для оценки психометрических свойств шкалы проведены эксплораторный и конфирматорный факторный анализы, а также тесты на ретестовую надежность, конвергентную и дивергентную валидность.
Результаты. Эксплораторный анализ выделил четырехфакторную структуру: позитивный опыт взаимодействия, погружение во взаимодействие, привлекательность интерфейса и трудности и неудобства взаимодействия, объясняющую 74,3% дисперсии. Конфирматорный анализ подтвердил соответствие модели данным. Значения α-Кронбаха (0,83) и ретестовой надежности (r = 0,81) свидетельствуют о стабильности методики. Конвергентная валидность показала сильную корреляцию с удобством использования (r = 0,823) и поглощенностью деятельностью (r = 0,834), а дивергентная — слабую корреляцию с негативным аффектом и удовлетворенностью жизнью.
Обсуждение результатов. Адаптированная шкала сохраняет теоретическую обоснованность и точно измеряет ключевые аспекты вовлеченности. Взаимодействие с чат-ботом на основе ИИ акцентирует позитивный опыт и погружение, тогда как трудности взаимодействия оказывают меньшее влияние. Это объясняется интуитивно понятным интерфейсом и возможностью имитации межличностного общения, что снижает барьеры в восприятии технологии. Русскоязычная версия методики продемонстрировала высокую надежность и валидность. Методика может использоваться для дальнейших исследований и оценки взаимодействия с интерактивными технологиями.
Библиографические ссылки
Валуева, Е. А., Панфилова, А.С., & Рафикова, A. С. (2024). Автоматическая оценка тестов на вербальную креативность: от лексических баз данных к большим языковым моделям. Психология. Журнал Высшей школы экономики, 21(1), 202–225. https://doi.org/10.17323/1813-8918-2024-1-202-225
Золотарева, А. А. (2020). Диагностика предрасположенности к скуке: адаптация русскоязычной версии BPS-SR. Национальный психологический журнал, 13(1), 40–49. https://doi.org/10.11621/npj.2020.0104
Осин, Е.Н. (2012). Измерение позитивных и негативных эмоций: разработка русскоязычного аналога методики PANAS. Психология. Журнал Высшей школы экономики, 9(4), 91–110.
Осин, Е. Н., & Леонтьев, Д. А. (2008). Апробация русскоязычных версий двух шкал экспресс-оценки субъективного благополучия. Сборник материалов III Всероссийского социологического конгресса [Электронный ресурс]. Институт социологии РАН, Российское общество социологов. https://www.isras.ru/abstract_bank/1210190841.pdf
Akbar, M. A., Khan, A. A., & Liang, P. (2024). Ethical Aspects of ChatGPT in Software Engineering Research. IEEE Transactions on Artificial Intelligence, 1–14. https://doi.org/10.1109/TAI.2023.3318183
Al Lily, A. E., Ismail, A. F., Abunaser, F. M., Al-Lami, F., & Abdullatif, A. K. A. (2023). ChatGPT and the rise of semi-humans. Humanities and Social Sciences Communications, 10(1), 626. https://doi.org/10.1057/s41599-023-02154-3
Almufarreh, A. (2024). Determinants of Students’ Satisfaction with AI Tools in Education: A PLS-SEM-ANN Approach. Sustainability, 16(13), 5354. https://doi.org/10.3390/su16135354
Andrade-Arenas, L., Yactayo-Arias, C., & Pucuhuayla-Revatta, F. (2024). Therapy and Emotional Support through a Chatbot. International Journal of Online and Biomedical Engineering (iJOE), 20(02), 114–130. https://doi.org/10.3991/ijoe.v20i02.45377
Arghashi, V., & Yuksel, C. A. (2022). Interactivity, Inspiration, and Perceived Usefulness! How retailers’ AR-apps improve consumer engagement through flow. Journal of Retailing and Consumer Services, 64, 102756. https://doi.org/10.1016/j.jretconser.2021.102756
Avila-Garzon, C., Bacca-Acosta, J., & Chaves-Rodríguez, J. (2023). Predictors of Engagement in Virtual Reality Storytelling Environments about Migration. Applied Sciences, 13(19), 10915. https://doi.org/10.3390/app131910915
Bin-Nashwan, S. A., Sadallah, M., & Bouteraa, M. (2023). Use of ChatGPT in academia: Academic integrity hangs in the balance. Technology in Society, 75, 102370. https://doi.org/10.1016/j.techsoc.2023.102370
Bragazzi, N. L., Crapanzano, A., Converti, M., Zerbetto, R., & Khamisy-Farah, R. (2023). The Impact of Generative Conversational Artificial Intelligence on the Lesbian, Gay, Bisexual, Transgender, and Queer Community: Scoping Review. Journal of Medical Internet Research, 25, e52091. https://doi.org/10.2196/52091
Cha, S., Kim, C. Y., & Tang, Y. (2024). Gamification in the Metaverse: Affordance, perceived value, flow state, and engagement. International Journal of Tourism Research, 26(2), e2635. https://doi.org/10.1002/jtr.2635
Engeser, S., & Rheinberg, F. (2008). Flow, performance and moderators of challenge-skill balance. Motivation and Emotion, 32(3), 158–172. https://doi.org/10.1007/s11031-008-9102-4
Fergencs, T., & Meier, F. (2021). Engagement and Usability of Conversational Search – A Study of a Medical Resource Center Chatbot. In K. Toeppe, H. Yan, & S. K. W. Chu (Eds.), Diversity, Divergence, Dialogue (Vol. 12645, pp. 328–345). Springer International Publishing. https://doi.org/10.1007/978-3-030-71292-1_26
Gupta, R., Nair, K., Mishra, M., Ibrahim, B., & Bhardwaj, S. (2024). Adoption and impacts of generative artificial intelligence: Theoretical underpinnings and research agenda. International Journal of Information Management Data Insights, 4(1), 100232. https://doi.org/10.1016/j.jjimei.2024.100232
Israfilzade, K. (2023). The Role of Generative AI and Anthropomorphism in Shaping Conversational Marketing: Creating a Matrix for Future Research. The Eurasia Proceedings of Educational and Social Sciences, 32, 132–142. https://doi.org/10.55549/epess.1412832
Kronemann, B., Kizgin, H., & Rana, N. (2022). The “Other” Agent: Interaction with AI and Its Implications on Social Presence Perceptions of Online Customer Experience. In S. Papagiannidis, E. Alamanos, S. Gupta, Y. K. Dwivedi, M. Mäntymäki, & I. O. Pappas (Eds.), The Role of Digital Technologies in Shaping the Post-Pandemic World (Vol. 13454, pp. 70–81). Springer International Publishing. https://doi.org/10.1007/978-3-031-15342-6_6
Lewis, J. R., Utesch, B. S., & Maher, D. E. (2013). UMUX-LITE: When there’s no time for the SUS. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 2099–2102. https://doi.org/10.1145/2470654.2481287
O’Brien, H. (2016). Theoretical Perspectives on User Engagement. In H. O’Brien & P. Cairns (Eds.), Why Engagement Matters (pp. 1–26). Springer International Publishing. https://doi.org/10.1007/978-3-319-27446-1_1
O’Brien, H. L., Cairns, P., & Hall, M. (2018). A practical approach to measuring user engagement with the refined user engagement scale (UES) and new UES short form. International Journal of Human-Computer Studies, 112, 28–39. https://doi.org/10.1016/j.ijhcs.2018.01.004
O’Brien, H. L., & Lebow, M. (2013). Mixed‐methods approach to measuring user experience in online news interactions. Journal of the American Society for Information Science and Technology, 64(8), 1543–1556. https://doi.org/10.1002/asi.22871
Orrù, G., Piarulli, A., Conversano, C., & Gemignani, A. (2023). Human-like problem-solving abilities in large language models using ChatGPT. Frontiers in Artificial Intelligence, 6, 1199350. https://doi.org/10.3389/frai.2023.1199350
Park, G., Chung, J., & Lee, S. (2023). Effect of AI chatbot emotional disclosure on user satisfaction and reuse intention for mental health counseling: A serial mediation model. Current Psychology, 42(32), 28663–28673. https://doi.org/10.1007/s12144-022-03932-z
Shete, S. (2023). AI in Cybersecurity and User Interface Design beyond Chatbots. Journal of Artificial Intelligence & Cloud Computing, 1–4. https://doi.org/10.47363/JAICC/2023(2)164
Tsai, W.-H.S., Liu, Y. and Chuan, C.-H. (2021), "How chatbots' social presence communication enhances consumer engagement: the mediating role of parasocial interaction and dialogue", Journal of Research in Interactive Marketing, Vol. 15 No. 3, pp. 460-482. https://doi.org/10.1108/JRIM-12-2019-0200
Van De Vijver, F., & Hambleton, R. K. (1996). Translating Tests. European Psychologist, 1(2), 89–99. https://doi.org/10.1027/1016-9040.1.2.89
Von Garrel, J., & Mayer, J. (2023). Artificial Intelligence in studies–Use of ChatGPT and AI-based tools among students in Germany. Humanities and Social Sciences Communications, 10(1), 799. https://doi.org/10.1057/s41599-023-02304-7
Wang, T., Wang, D., Li, B., Ma, J., Pang, X. S., & Wang, P. (2023). The Impact of Anthropomorphism on Chatgpt Actual Use: Roles of Interactivity, Perceived Enjoyment, and Extraversion. SSRN. https://doi.org/10.2139/ssrn.4547430
Zheng, Y., Li, Y., Shi, N., Sun, X., & Pan, Y. (2024). Neither more nor less: Understanding positive emotion of posts and user engagement on tourism social media. Asia Pacific Journal of Tourism Research, 29(6), 736–752. https://doi.org/10.1080/10941665.2024.2342366
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Copyright (c) 2025 Российский психологический журнал