方法文章

幽默还是理性？代理人类型与语言风格影响网约车服务失败补救满意度的神经机制

519 次观看

⸱

DOI：

10.3791/69813

⸱

2026年3月13日

 ,  ,  ,  , 
1School of Economics and Management, Harbin Engineering University, 2School of Economics and Management, Northeast Agricultural University

本文内容

摘要

本研究采用事件相关电位（ERPs）探讨代理类型（人类/人工智能）和语言风格（幽默/理性）如何影响网约车服务补救满意度，旨在揭示其神经认知机制。

摘要

在网约车行业中，服务失败后的有效服务补救策略对于乘客满意度和平台声誉至关重要。然而，代理类型与语言风格的组合如何影响乘客满意度及其潜在的神经机制尚不明确。本研究设计了一项事件相关电位（ERPs）实验，旨在探讨服务失败后补救过程中的两个关键因素——服务代理类型和语言风格——对乘客满意度及其神经相关性的效应。实验采用2（代理类型：人类/人工智能）×2（语言风格：幽默/理性）的被试内设计。使用E-Prime软件向参与者呈现五个预先选定的常见网约车服务失败情境，每个情境后均跟随一个由代理提供的标准化优惠券补偿方案，代理类型和语言风格在不同试验中系统性地变化。实验过程包括同步记录64通道脑电图（EEG）信号以及收集行为层面的满意度评分。行为数据表明，人类代理和幽默语言风格获得更高的满意度评分。事件相关电位结果揭示，理性语言风格诱发了更负的N2和反馈相关负波（FRN）波幅，而人类代理和理性语言风格则诱发了更正的P300波幅。本研究详细阐述了实验刺激的标准化制备、实验流程的精确时序控制、基于国际10-20系统的脑电记录准备，以及从数据采集到预处理的完整方法学流程。该实验方案具有高时间分辨率和良好的可重复性，适用于消费者神经科学、人机交互及服务管理领域的研究，尤其适用于需要精确量化社会认知与决策过程时间动态特征的研究。

引言

网约车是共享经济的典型模式，由于其高度依赖实时互动和用户体验，已成为城市交通生态系统的重要组成部分1。然而，服务故障——例如司机不礼貌、车辆故障或行程延误——难以完全避免。这些事件通常具有突发性和情境依赖性，容易引发乘客不满并削弱信任2。在竞争激烈的市场环境中，及时且有效的服务补救不仅是为了弥补即时缺陷的必要措施，更是重建用户信任、维持长期忠诚度的战略关键3。

传统的服务补救研究主要采用行为学方法，例如问卷调查和基于情景的实验4。这些研究通过测量满意度和再次购买意愿等显性指标，来评估不同补救策略的有效性。尽管此类研究已产生大量成果，但其观察范围大多局限于消费者最终的行为输出。关于内部的"黑箱"过程——即大脑如何加工、评估服务补救信息并最终将其转化为决策——仍缺乏直接证据。换句话说，尽管已知哪些策略有效，但对背后潜在的神经认知机制的理解仍然有限。若干具体问题尚未解决：在信息处理的早期阶段，人类代理与人工智能代理之间的差异是否显现？幽默型与理性型沟通方式如何调节服务失败所引发的负面情绪？从冲突检测到认知整合，支撑最终满意度决策的完整神经通路是什么？

尽管某些补救策略（如经济补偿或道歉）已被证实通常有效，但对于这些策略在认知和情感层面起作用的原因与机制——以及其潜在的动态神经机制——仍缺乏深入理解。这一方法学上的空白限制了设计更精确、高效且个性化的服务补救方案的能力。为了探究这一"黑箱"，本研究采用事件相关电位（ERPs）技术作为核心方法学手段。通过记录与特定刺激事件时间锁定的脑电图信号，ERPs 提供了毫秒级的时间分辨率，能够以非侵入方式连续捕捉认知加工过程中的瞬时脑活动5,6,7。与功能性磁共振成像（fMRI）相比，ERPs 在时间精度上具有明显优势8。相较于传统的自我报告测量方法，ERPs 能有效避免回顾性偏差和社会期许效应，从而直接揭示个体即时且无意识的神经反应9。在服务失败与补救的情境中，这意味着 ERPs 可以精确分离并观察一系列快速、连续的心理过程，包括早期冲突检测（反映于 N2 成分）、中期情绪与结果评估（反映于 FRN 成分）以及晚期高级认知整合与动机性评价（反映于 P300 成分）10,11,12,13,14,15。因此，ERPs 成为阐明服务补救决策背后复杂神经机制的理想工具。

基于上述方法学考量，本文提出了一套系统、严谨且可重复的事件相关电位（ERPs）实验方案。该方案旨在探究两种关键服务补救要素——服务代理类型（人类 vs. 人工智能）与语言风格（幽默 vs. 理性）——在网约车服务失败后如何共同影响乘客满意度及其潜在的神经机制。本实验招募具有网约车使用经验的大学生作为被试，采用标准的S1-S2实验范式，并设计了2（代理类型：人类 vs. 人工智能）× 2（语言风格：幽默 vs. 理性）的被试内实验结构。服务失败情境及后续补救方案等刺激材料通过E-Prime软件以标准化方式呈现。实验过程中同步采集64通道脑电图（EEG）数据和行为层面的满意度评分。

本研究采用该方案，从神经动力学角度考察行为反应，并揭示服务补救效应背后不同的认知加工阶段16,17。例如，理性语言风格可能违背情感预期，从而在早期至中期阶段引发更强的冲突信号和更负面的反馈，表现为更负的N2和FRN波幅18,19,20。此外，由于人类代理具有社会属性，在晚期整合阶段可能获得更积极的动机性评估，表现为更正的P300波幅21。同时，理性语言风格可能增加解决冲突所需认知资源的投入，这也可能反映为更大的P300波幅22。

该方案具有高时间分辨率和良好的可重复性。其设计原理和方法学细节不仅适用于网约车服务情境，也可为更广泛的研究领域提供参考，包括消费者神经科学、人机交互、服务管理和传播学研究。因此，该方案有助于在多种社会互动与决策情境下，对人类大脑的动态信息处理进行精确量化与深入理解。

访问受限。请登录或开始试用以查看此内容。

方案

本研究方案已获得当地和机构伦理委员会的批准，并符合《赫尔辛基宣言》的最新版本。所有参与者在参与前均签署了书面知情同意书，并可随时退出研究，以保障其权益。

1. 实验刺激

  1. 服务失败情景的预筛选
    1. 招募100名有网约车使用经验的大学生。
    2. 要求参与者使用7点李克特量表（1 = 完全不不满；7 = 非常不满）对十种常见的网约车服务失败情景进行不满程度评分。情景应包括：司机态度粗鲁、车辆故障、目的地错误、司机迟到、交通事故、车内卫生差、司机绕路、上车前被扣费、司机不协助搬运行李、车内温度不适。
    3. 根据各项情景的平均不满评分进行排序，并选取评分最高的前50%情景作为正式实验材料。
    4. 最终确定以下五种服务失败情景用于实验：司机态度粗鲁、车辆故障、目的地错误、司机迟到、交通事故。
    5. 通过简短的文字描述向参与者呈现每个选定的情景，并配以“服务失败！”提示。
      注：在当前实施中，所选情景的平均不满评分为6.6，显著高于后50%情景的平均评分（均值 = 3.6）。这一差异表明所选情景能有效引发服务失败的感知，支持实验刺激材料的有效性。
  2. 为代理（人工客服 vs. AI客服）设计两种语言风格（幽默型与理性型），通过文字结合客服代表图像的方式提供补偿并披露信息。例如，在司机服务态度不佳的情景中，幽默语言风格表述为：“司机心情不好，还传染给你了！送上现金券一张，保证下次让你笑口常开！”；理性语言风格则表述为：“对司机服务态度不佳深表歉意，现提供现金券作为补偿，欢迎再次使用服务。”
  3. 使用 Adobe Photoshop 2022 对所有实验图像进行处理，以标准化刺激材料，确保其有效性和一致性。统一调整图像尺寸为2560 × 1440像素，分辨率为72 DPI。将亮度校准至85，并将对比度提高+20，以最小化视觉干扰。此外，对刺激材料相关的文字进行标准化和优化，确保表述清晰易懂，避免任何歧义。
  4. 开展预实验，收集参与者对所有刺激材料的反馈。确保所有服务失败情景均能有效引发服务失败的感知。确认幽默条件下材料在感知幽默性上的评分显著高于理性条件，而在适当性和自然性评分上无显著差异。同时验证1250毫秒的呈现时长足以让参与者阅读并理解刺激文本。
  5. 在不同语言风格条件下，以中文字符数量为单位匹配并平衡文本长度。确保幽默型与理性型条件之间的文本长度无显著差异，以控制文本复杂性对阅读时间和认知负荷的混淆影响。

2. 实验步骤

  1. 采用 2（代理类型：人类 vs. 人工智能）× 2（语言风格：幽默 vs. 理性）的被试内因子设计。
  2. 生成四种不同的实验序列版本。对于每个版本，将四种实验条件（人类-幽默、人类-理性、AI-幽默、AI-理性）与五种服务失败情境相结合。
  3. 在 E-Prime 中编程 120 次试验，将其分为 2 个包含 60 次试验的区块，在区块之间插入一个强制性的 120 秒休息界面，并按以下方式设置每次试验：
    1. 在屏幕中央显示注视点 500 毫秒。
    2. 呈现提示信息，表明网约车服务失败，持续 1000 毫秒。
    3. 显示空白屏幕 250 毫秒。
    4. 显示有关服务代理身份披露的信息，持续 1000 毫秒。
    5. 显示空白屏幕 250 毫秒。
    6. 向参与者呈现由服务代理以幽默或理性语言风格表达的道歉脚本，持续 1250 毫秒。
    7. 显示空白屏幕 250 毫秒。
    8. 向参与者提供等值优惠券形式的补偿（一张相当于服务费用的乘车代金券），持续 1250 毫秒。
    9. 显示空白屏幕 250 毫秒。
    10. 要求参与者对其对所提议解决方案的满意度进行评价（1 = 非常不满意，5 = 非常满意）；评价界面将持续显示，直到参与者做出选择。

客户服务实验示意图，包含注视点、代理类型、语言风格、满意度评估。
图1：实验流程。 单次实验试次的事件序列及其呈现时长从左至右依次为：注视点十字（500 ms）、服务失败情境提示（1000 ms）、空白屏幕（250 ms）、服务代理类型信息（1000 ms）、空白屏幕（250 ms）、语言风格（1250 ms）、空白屏幕（250 ms）、服务补救策略（代金券信息，1250 ms）、空白屏幕（250 ms），最后为满意度评分界面（持续显示直至参与者作出响应）。请点击此处查看该图的放大版本。

3. 实验准备与电生理记录

  1. 实验准备
    1. 根据纳入标准，从哈尔滨工程大学招募20名有偿参与的本科生和研究生（8名女性）：右利手，视力正常或矫正至正常，无精神或神经系统疾病史，且在过去六个月内未进行过烫发或染发。参与者年龄为18–28岁（M=23.25，SD=±2.23）。为每位参与者安排单独的实验会话。排除数据伪迹过多的参与者，不纳入后续分析。
    2. 参与者到达实验室后，进行初步说明。逐步介绍核心设备、材料和完整的实验流程。明确解释实验任务的具体要求、预计持续时间以及重要注意事项。确保参与者充分理解实验的强度。
    3. 在实验正式开始前，向参与者提供书面知情同意书。要求参与者仔细阅读并在实验开始前签署。
    4. 指导参与者在指定区域使用中性洗发水清洗头发，以去除头皮油脂、灰尘及其他可能影响电极与头皮之间导电性的杂质。然后指导参与者使用实验室提供的吹风机彻底吹干头发，确保无潮湿区域残留。将吹风机设置为中等风速（约1600 W）和恒温模式（约50°C）。
    5. 引导参与者进入专用的脑电图（EEG）记录实验室。该实验室配备专业的电磁屏蔽和高隔音设施。调节空调和环境照明，使室温保持在约22°C，并保持昏暗照明。指导参与者坐在舒适的椅子上，确保其眼睛与屏幕中心的距离约为1米。
    6. 取75%医用酒精棉球和无刺激性洁面乳，轻轻擦拭参与者面部的特定区域。
    7. 根据国际10-20系统，将装有64个Ag/AgCl电极的电极帽放置在参与者的头皮上。将电极帽的中线与参与者的鼻根-枕外隆突连线对齐。将CZ电极置于头顶中央。验证电极帽定位：确保Fp1和Fp2电极位于鼻根上方约2 cm处，T3和T4电极位于耳屏上方约2 cm处。
    8. 向所有电极孔中填充导电凝胶。使用医用胶带固定外部电极。将参考电极置于鼻尖。将垂直眼电图（VEOG）电极分别置于左眼眶上下方约1 cm处。将水平眼电图（HEOG）电极分别置于双眼外眦外侧约1 cm处。将记录电极（M1、M2）分别置于左右乳突。
    9. 调整电极帽的下颌带，使其贴合但舒适，以防止实验过程中电极移位。然后验证电极帽的最终位置，确保其未发生扭曲或旋转。
    10. 将记录软件切换至阻抗检测模式。使用钝头注射器向电极帽上的所有电极孔中注入导电凝胶。轻轻拨开每个电极位置的头发，确保电极与头皮充分接触。持续调整电极，直至每个通道的阻抗降至并稳定在10 kΩ以下。确认阻抗值显示在可接受范围内（通常在阻抗监测器上以蓝色或深色表示）。
    11. 告知参与者实验将在封闭且安静的环境中进行。指导其保持放松状态，维持稳定的坐姿，避免过度身体活动，并在整个实验过程中保持专注。
    12. 使用22英寸LCD显示器呈现刺激材料。将屏幕刷新率设置为60 Hz。
  2. E-Prime软件操作流程
    1. 启动E-Studio并加载项目。将E-Prime硬件密钥插入计算机的USB端口。双击桌面上的E-Studio图标以启动软件。在菜单栏中点击文件 -> 打开，然后选择本实验的项目文件。
    2. 输入参与者信息。在E-Run启动界面，准确输入被试编号（例如001）、会话编号及其他所需信息。
    3. 执行练习阶段。点击工具 -> E-Run，然后在弹出窗口中选择运行。程序将首先显示任务说明。确保参与者能够清晰复述实验流程和正确反应方式。随后运行10次练习试验。这些试验的结构与主实验完全相同。练习结束后，询问参与者是否能有效阅读并理解所呈现的刺激信息。
    4. 启动主实验。完成练习试验后，进入指导界面。确认参与者已准备就绪，然后指导其按空格键开始主实验。确保主实验包含120次试验，分为2个区组，每个区组60次试验。在两个区组之间插入强制性的2分钟休息时间。
    5. 监控实验进程并保存数据。通过相邻房间的监视器屏幕监控实验进度。实验全部完成后，确保E-Prime自动保存数据文件。
  3. 实验后说明与补偿
    1. 保存脑电数据，并从参与者头上取下电极帽。指导参与者清洗头发和皮肤上残留的导电凝胶，确保头发和皮肤上无凝胶残留。确认清洗过程后参与者无任何不适。
    2. 结束实验，并向参与者支付30元人民币（约合4.50美元）的报酬。
  4. 数据预处理流程
    1. 检查数据。目视检查脑电数据。排除包含显著基线漂移或严重噪声伪迹的片段，不纳入后续分析。
    2. 校正眼动伪迹。将垂直眼电图（VEOG）通道设为眼动伪迹的参考通道。在Scan软件中应用眼动伪迹校正算法，以校正眨眼和眼球运动伪迹。
    3. 分段数据。以E-Prime程序插入的事件标记为基准，将连续的脑电数据分割为与刺激 onset 时间锁定的片段。定义片段时间窗为刺激前-200 ms至刺激后+800 ms。
    4. 进行基线校正。将刺激前200 ms区间定义为基线。使用Scan软件中的基线校正算法，从刺激后数据中减去该基线的平均振幅。
    5. 剔除伪迹。剔除在分析时间窗内信号振幅超过±100 µV的片段，以消除肌电活动和其他高幅伪迹的污染。
    6. 重新参考数据。计算左右乳突电极信号的平均值，并在离线状态下将所有通道重新参考至该乳突平均值。
    7. 被试内平均。对每位参与者，将其属于同一刺激条件的所有无伪迹片段进行平均，以获得每位个体稳定的、条件特异的事件相关电位（ERP）波形。
    8. 应用滤波。使用30 Hz低通滤波器（24 dB/倍频程滚降）对平均后的ERP波形进行滤波。
    9. 生成总平均波形。将所有参与者在各条件下的个体平均波形合并，生成总平均ERP，获得每个实验条件下的组水平波形。

访问受限。请登录或开始试用以查看此内容。

结果

如图2a所示，对满意度评分进行服务代理（人工 vs. 人工智能）× 语言风格（幽默 vs. 理性）的双因素重复测量方差分析，结果显示服务代理的主效应显著。成对比较表明，对人工代理的满意度（3.005）高于对人工智能代理的满意度（2.750）。语言风格的主效应也显著。成对比较显示，幽默条件下的满意度（3.018）高于理性条件下的满意度（2.737）。如图3所示，服务代理与语言风格之间的交互效应显著。进一步的简单效应分析表明，在使用幽默语言的条件下，对人工代理的满意度（3.168）高于对人工智能代理的满意度（2.868）；在人工代理条件下，使用幽默语言风格的满意度（3.168）高于使用理性语言风格的满意度（2.842）。

访问受限。请登录或开始试用以查看此内容。

讨论

本研究结合行为测量与高时间分辨率的事件相关电位（ERPs）技术，系统揭示了服务代理类型（人类 vs. AI）和语言风格（幽默 vs. 理性）影响乘客服务补救满意度的多阶段认知与神经机制。行为结果显示，人类代理和幽默语言风格各自独立地导致更高的满意度评分。观察到显著的交互效应：当人类代理与幽默语言风格结合时，满意度最高；而当AI代理使用理性语言风格时，满意度最低。该发现阐明了策略有效性的边界条件。具体而言，在情感敏感的服务补救情境中，AI代理采用标准化、理性的语言风格可能加剧其被感知的"情感缺陷"，从而增加引发算法厌恶的风险23,24。

神经层面的事件相关电位（ERPs）数据为这一决策过程提供了毫秒级时间分辨率的分析。在早期冲突监测阶段（刺激呈现后约150-200毫秒），理性语言风格诱发的N2波幅比幽默语言风格更负。这表明，理性语言风格因其与用户情感预期不匹配，引发了早期认知冲突25,

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本工作得到国家自然科学基金（编号：72001055）的支持。我们感谢412实验室所有同事在实验过程中提供的帮助。ST、XY和JY构思并设计了本研究。XY和XZ开展了实验。XY分析了数据并撰写了稿件。ST对稿件进行了审阅。所有作者均对文章作出了贡献，并认可所提交的版本。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
NeuroScan Synamp2 放大器Neurosoft Labs Inc., USASYN-2-641. 使用带通滤波器（0.05–100 Hz）和采样率（1,000 Hz）
2. 配备 Scan 4.3.1 软件用于阻抗监测和数据记录
3. 兼容64通道电极帽
64导Ag/AgCl电极帽Electro-Cap InternationalEC-64根据国际标准10-20系统进行安装。以鼻尖作为在线参考电极。所有通道离线重新参考至左右乳突参考电极的平均值。接地电极置于FPz与Fz之间的位置。垂直眼电（EOG）通过位于左眼上方和下方10 mm处的两个电极记录，水平眼电（EOG）通过置于双眼外眦侧方的电极记录。所有电极阻抗均保持在10 kΩ以下。Ω.
E-prime 软件心理学软件工具用于设计实验、启动实验、呈现刺激材料、控制实验过程以及收集行为数据。
Quik-Gel 导电凝胶Compumedics Limited 澳大利亚RP0002831医用导电凝胶。其主要功能是在脑电图（EEG）神经生理学检查过程中，涂抹于电极与头皮或皮肤之间，以降低电阻，确保电信号的顺畅传导，从而获得清晰且准确的检测结果。
Nuprep韦弗等人10-30皮肤准备（研磨性）凝胶。在进行脑电图（EEG）电生理检查前，用于磨蚀和清洁皮肤，有效去除油脂和死皮，降低皮肤阻抗，从而确保电极信号传导更清晰、更准确。
BD 10 ml 注射器Becton, Dickinson and CompanyREF309604标准10 ml容量注射器。用于填充电极帽上所有电极的圆柱形腔体中的导电膏，以确保头皮与电极之间充分接触。
SalonShine Care ION+DryerPHILIPSHP8206快速干燥头发，并采用负离子技术减少静电和毛躁。
蜜蜂 & Flower 洗发水上海蜜蜂 & Flower 日用百货有限公司GB/T 29679温和洗发水。可有效去除头皮多余油脂和污垢，减少对实验的干扰。
75% 酒精 德州市创益医疗科技有限公司1378降低皮肤阻抗。
3M Transpore 外科胶带明尼苏达矿业制造医疗器材（上海）有限公司1527C-1用于固定外部电极。
LCD显示器DellE2219HN用于呈现实验流程和刺激材料，是人机交互的重要界面。

参考文献

  1. Liu, Y., Jia, R., Ye, J., Qu, X. How machine learning informs ride-hailing services: A survey. Commun Transp Res. 2, 100075 (2022).
  2. Hien, N. N., Long, N. T., Liem, V. T., Luu, D. X. Customer responses to airline service failure: Perspectives from expectation disconfirmation theory. SAGE Open. 14 (2), 21582440241248334 (2024).
  3. Tahir, Z. Effectiveness of offline and online rewards in restoring satisfaction and trust. Span J Mark ESIC. 25 (3), 409-424 (2021).
  4. Shi, Y., Zhang, R., Ma, C., Wang, L. Robot service failure: The double-edged sword effect of emotional labor in service recovery. J Serv Theory Pract. 33 (1), 72-88 (2023).
  5. Helfrich, R. F., Knight, R. T. Cognitive neurophysiology: Event-related potentials. Handbook of Clinical Neurology. 160, 543-558 (2019).
  6. Beres, A. M. Time is of the essence: A review of electroencephalography and event-related brain potentials in language research. Appl Psychophysiol Biofeedback. 42 (4), 247-255 (2017).
  7. Donchin, E. . Cognitive Psychophysiology: Event-Related Potentials and the Study of Cognition: The Carmel Conferences Volume I. , (2022).
  8. Liu, T. T. Noise contributions to the fMRI signal: An overview. NeuroImage. 143, 141-151 (2016).
  9. Tivadar, R. I., Murray, M. M. A primer on electroencephalography and event-related potentials for organizational neuroscience. Organ Res Methods. 22 (1), 69-94 (2019).
  10. Duan, H., Wang, L., Wu, J. Psychophysiological correlates between emotional response inhibition and posttraumatic stress symptom clusters. Sci Rep. 8 (1), 16876 (2018).
  11. Fu, C., Zhang, Z., He, J., Huang, S., Qiu, J., et al. Brain dynamics of decision-making in the generalized trust game: Evidence from ERPs and EEG time-frequency analysis. Acta Psychol Sin. 50 (3), 317 (2018).
  12. Hauser, T. U., Iannaccone, R., Stämpfli, P., Drechsler, R., Brandeis, D., et al. The feedback-related negativity revisited: New insights into localization, meaning, and network organization. NeuroImage. 84, 159-168 (2014).
  13. Chen, Y. T., Yu, H., Zhang, T. T., Han, L. Z., He, Y. J., et al. Female sensitivity to opponents' emotional feedback: Evidence from subliminal emotional feedback. J Psychol Sci. 44 (5), 1026-1034 (2021).
  14. Polich, J. Updating P300: An integrative theory of P3a and P3b. Clin Neurophysiol. 118 (10), 2128-2148 (2007).
  15. Gao, X., Gao, L., Li, Y., Sui, X. The neural response process of cognitive decision making: An ERP study. Brain Sci. 13 (4), 648 (2023).
  16. Lee, W. L., Lau, P. L., Chan, S. L. Personal growth experiences of countertransference among Malaysian counsellors: A phenomenological study. J Health Transl Med. 26 (1), 96-104 (2023).
  17. McRae, K. Cognitive emotion regulation: A review of theory and scientific findings. Curr Opin Behav Sci. 10, 119-124 (2016).
  18. Amodio, D. M., Bartholow, B. D., Ito, T. A. Tracking the dynamics of the social brain: ERP approaches for social cognitive and affective neuroscience. Soc Cogn Affect Neurosci. 9 (3), 385-393 (2014).
  19. Li, M., Wang, R. Chatbots in e-commerce: The effect of chatbot language style on customers' continuance usage intention and brand attitudes. J Retail Consum Serv. 71, 103209 (2023).
  20. Slingerland, E. . Loss and ambiguity aversion and the willingness to pay for index insurance: Experimental evidence from rural Kenya. , (2017).
  21. Lu, J., Li, W., Xie, Y., Huang, Q., Li, J. Prosociality moderates outcome evaluation in competition tasks. Sci Rep. 12 (1), 11397 (2022).
  22. Yang, S., Shi, B., Wang, L., Wang, Z., Peng, S. Long-term cognitive tasks impair resource allocation in working memory: A time-frequency and ERP study. IEEE Access. 8, 211482-211489 (2020).
  23. Heßler, P. O., Pfeiffer, J., Hafenbrädl, S. When self-humanization leads to algorithm aversion: What users want from decision support systems on prosocial microlending platforms. Bus Inf Syst Eng. 64 (3), 275-292 (2022).
  24. Luo, X., Tong, S., Fang, Z., Qu, Z. Machines versus humans: The impact of AI chatbot disclosure on customer purchases. Mark Sci. 38 (6), 937-947 (2019).
  25. Xie, L., Cao, B., Li, Z., Li, F. Neural dynamics of cognitive control in various types of incongruence. Front Hum Neurosci. 14, 214 (2020).
  26. Leue, A., Lange, S., Beauducel, A. Modulation of conflict monitoring intensity: The role of aversive reinforcement, cognitive demand, and trait-BIS. Cogn Affect Behav Neurosci. 12 (2), 287-307 (2012).
  27. Pan, F., Lu, Q., Chen, Y., Wu, X., Li, Q. Emotional conflict occurs at a late stage: Evidence from the paired-picture paradigm. Transl Neurosci. 7 (1), 56-61 (2016).
  28. Yang, Z., Zhou, J., Yang, H. The impact of AI response methods on service recovery satisfaction after service failure. Sustainability. 15 (4), 3294 (2023).
  29. Chen, X. A systemic review of the brain mechanism of humor processing. Int J Educ Humanit. 15 (3), 65-70 (2024).
  30. Niu, Y. The intersection of technology and tradition: A comparative analysis of AI and live anchors in verbal expression. Stud Art Archit. 3 (4), 28-33 (2024).
  31. Weber, C., Bellebaum, C. Prediction-error-dependent processing of immediate and delayed positive feedback. Sci Rep. 14 (1), 9674 (2024).
  32. Ehsan, U., Harrison, B., Chan, L., Riedl, M. O. Rationalization: Generating natural language explanations for AI decisions. , 81-87 (2018).
  33. Adam, M., Wessel, M., Benlian, A. AI-based chatbots in customer service and their effects on user compliance. Electron Mark. 31 (2), 427-445 (2021).
  34. Al-Ezzi, A., Kamel, N., Faye, I., Gunaseli, E. Review of EEG, ERP, and brain connectivity estimators as predictive biomarkers of social anxiety disorder. Front Psychol. 11, 730 (2020).
  35. Liang, Y., Sha, Z., Li, K. Functional near-infrared spectroscopy in schizophrenia research: Progress, challenges, and future directions. Med Sci Monit. 31, e949491 (2025).
  36. Hay, L., Duffy, A. H., Gilbert, S. J., Grealy, M. A. Functional magnetic resonance imaging in design studies: Methodological considerations and recommendations. Des Stud. 78, 101078 (2022).
  37. Dimigen, O., Stein, A. A high-speed OLED monitor for precise stimulation in vision, eye-tracking, and EEG research. bioRxiv. , (2024).
  38. Spapé, M., Verdonschot, R., Van Steenbergen, H. . The E-Primer: An Introduction to Creating Psychological Experiments in E-Prime. , (2019).
  39. Michel, C. M., Brunet, D. EEG source imaging: A practical review of analysis steps. Front Neurol. 10, 325 (2019).
  40. Qin, Y., Zhang, Y., Zhang, Y., Liu, S., Guo, X. Application and development of EEG acquisition and feedback technology. Biosensors. 13 (10), 930 (2023).
  41. Clausen, M., Kyhn, M. P., Papachristos, E., Merritt, T. Exploring humor as a repair strategy during communication breakdowns with voice assistants. , 1-9 (2023).
  42. Jiang, T., Li, H., Hou, Y. Cultural differences in humor perception, usage, and implications. Front Psychol. 10, 123 (2019).
  43. Tung, P. H. Influence of personality traits on satisfaction with public service in Hanoi, Vietnam. Linguist Cult Rev. 5 (S4), 2341-2364 (2021).
  44. Klapprott, F., Kaestner, D., Gumz, A. Macht der Ton die Musik?. Die Psychotherapie. 68 (1), 13-20 (2023).
  45. Nguyen-Phuoc, D. Q., Su, D. N., Tran, P. T., Le, D. T., Johnson, L. W. Factors influencing customer loyalty toward ride-hailing taxi services: A case study of Vietnam. Transp Res Part A. 134, 96-112 (2020).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章