Artículo de método

¿Humor o racionalidad? Los mecanismos neuronales de cómo el tipo de agente y el estilo del lenguaje influyen en la satisfacción con la recuperación de fallos en servicios de transporte

519 vistas

⸱

DOI:

10.3791/69813

⸱

13 de marzo de 2026

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

En este artículo

Resumen

Este estudio emplea ERP para investigar cómo el tipo de agente (humano/IA) y el estilo del lenguaje (humorístico/racional) influyen en la satisfacción de la recuperación de los servicios de transporte por teléfono, con el objetivo de descubrir mecanismos neurocognitivos.

Resumen

En la industria del transporte por teléfono, las estrategias efectivas de recuperación de servicios tras fallos son cruciales para la satisfacción de los pasajeros y la reputación del andén. Sin embargo, cómo la combinación del tipo de agente y el estilo del lenguaje influye en la satisfacción de los pasajeros y en los mecanismos neuronales subyacentes sigue sin estar claro. Este estudio diseñó un experimento de potenciales relacionados con eventos (ERPs) para investigar cómo dos factores clave en la remediación posterior a la falla —el tipo de agente de servicio y el estilo del lenguaje— afectan a la satisfacción de los pasajeros y sus correlaciones neuronales. Se empleó un diseño de 2 (Tipo de Agente: Humano/IA) × 2 (Estilo de Lenguaje: Humorístico/Racional) dentro de los sujetos. Utilizando el software E-Prime, a los participantes se les presentaron cinco escenarios preseleccionados y comunes de fallo de servicio de transporte por teléfono. Cada escenario fue seguido por una oferta estandarizada de compensación de vales entregada por un agente, con el tipo de agente y el estilo de idioma variando sistemáticamente entre los ensayos. El procedimiento implicó el registro simultáneo de señales electroencefalográficas (EEG) de 64 canales y la recopilación de calificaciones de satisfacción conductual. Los datos conductuales indicaron mayores valoraciones de satisfacción para el agente humano y el estilo de lenguaje humorístico. Los resultados de ERP revelaron amplitudes más negativas de N2 y negatividad relacionada con la retroalimentación (FRN) provocadas por el estilo de lenguaje racional, mientras que los agentes humanos y el estilo racional provocaron amplitudes P300 más positivas. Este estudio detalla la preparación estandarizada de estímulos experimentales, el control preciso del tiempo del procedimiento experimental, la preparación del registro EEG basada en el sistema International 10-20 y toda la cadena metodológica desde la adquisición de datos hasta el preprocesamiento. Este protocolo ofrece alta resolución temporal y buena reproducibilidad. Es adecuado para investigaciones en neurociencia del consumidor, interacción humano-ordenador y gestión de servicios que requieren una cuantificación precisa de la dinámica temporal subyacente a la cognición social y los procesos de toma de decisiones.

Introducción

El transporte por teléfono, un modelo emblemático de la economía colaborativa, se ha convertido en un componente integral de los ecosistemas de movilidad urbana debido a su dependencia fundamental de la interacción en tiempo real y la experiencia del usuario. Sin embargo, las fallas de servicio —como la falta de cortesía del conductor, el mal funcionamiento del vehículo o los retrasos en el viaje— son difíciles de eliminar por completo. Estos incidentes suelen ser inesperados y dependen del contexto, lo que desencadena fácilmente la insatisfacción de los pasajeros y erosiona la confianza2. En un mercado altamente competitivo, una recuperación rápida y eficaz del servicio no es solo un paso necesario para corregir las deficiencias inmediatas; Constituye un imperativo estratégico para reconstruir la confianza de los usuarios y mantener la lealtad alargo plazo 3.

La investigación tradicional sobre la recuperación de servicios ha empleado predominantemente metodologías conductuales, como cuestionarios y experimentos basados en escenarios4. Estos estudios evalúan la efectividad de diferentes estrategias de recuperación midiendo indicadores explícitos como la satisfacción y la intención de recompra. Aunque esta investigación ha generado hallazgos sustanciales, se limita en gran medida a observar los resultados conductuales finales de los consumidores. Todavía faltan pruebas directas respecto al proceso interno de la "caja negra", concretamente, sobre cómo el cerebro procesa, evalúa y, en última instancia, transforma la información de recuperación del servicio en una decisión. En otras palabras, aunque existe conocimiento sobre qué estrategias son efectivas, la comprensión de los mecanismos neurocognitivos subyacentes sigue siendo limitada. Persisten varias preguntas específicas: ¿Se manifiestan las diferencias entre agentes humanos y de IA durante las primeras etapas del procesamiento de la información? ¿Cómo modulan los estilos de comunicación humorístico frente a racional las emociones negativas provocadas por fallos en el servicio? ¿Cuál es la vía neuronal completa —desde la detección de conflictos hasta la integración cognitiva— que subyace a la decisión final de satisfacción?

Aunque ciertas estrategias de recuperación (como la compensación monetaria o las disculpas) son conocidas por ser generalmente efectivas, una comprensión profunda de por qué y cómo funcionan estas estrategias a nivel cognitivo y afectivo —así como de sus mecanismos neuronales dinámicos subyacentes— sigue siendo limitada. Esta brecha metodológica limita la capacidad de diseñar soluciones de recuperación de servicios más precisas, eficientes y personalizadas. Para investigar esta "caja negra", el presente estudio emplea la tecnología de potenciales relacionados con eventos (ERPs) como su enfoque metodológico central. Al registrar señales electroencefalográficas bloqueadas en el tiempo a eventos específicos de estímulo, las ERP proporcionan una resolución temporal milisónica, permitiendo la captura no invasiva y continua de la actividad cerebral instantánea durante el procesamientocognitivo 5,6,7. En comparación con la resonancia magnética funcional (fMRI), las ERP ofrecen una ventaja clara en precisióntemporal 8. En comparación con las medidas tradicionales de autoinforme, los ERP pueden evitar eficazmente el sesgo retrospectivo y los efectos de deseabilidad social, revelando así directamente las respuestas neuronales inmediatas e inconscientes de losindividuos. En el contexto de fallos y recuperación del servicio, esto significa que los ERP permiten la separación precisa y observación de una serie de procesos psicológicos rápidos y secuenciales. Estos incluyen la detección temprana de conflictos (reflejada en el componente N2), la evaluación emocional y de resultados a medio plazo (reflejada en el componente FRN), y la integración cognitiva de orden superior en etapas avanzadas y evaluación motivacional (reflejada en el componente P300)10,11,12,13,14,15. Por lo tanto, los ERP sirven como una herramienta ideal para esclarecer los complejos mecanismos neuronales que subyacen a la toma de decisiones sobre la recuperación de servicios.

Basándose en las consideraciones metodológicas mencionadas anteriormente, este artículo presenta un protocolo experimental de ERPs sistemático, riguroso y reproducible. Este protocolo está diseñado para investigar cómo dos elementos clave de recuperación de servicios —el tipo de agente de servicio (humano vs. IA) y el estilo de lenguaje (humorístico vs. racional)— influyen conjuntamente en la satisfacción de los pasajeros y sus mecanismos neuronales subyacentes tras un fallo en un servicio de transporte por coche. El protocolo recluta estudiantes universitarios con experiencia previa en transporte por teléfono. Emplea un paradigma experimental estándar S1-S2 y un diseño de 2 (Tipo de Agente: Humano vs. IA) × 2 (Estilo de lenguaje: Humorístico vs. Racional) dentro de los sujetos. Los estímulos que comprenden escenarios de fallo del servicio y propuestas de recuperación posteriores se presentan de manera estandarizada utilizando el software E-Prime. El procedimiento implica la adquisición simultánea de datos electroencefalográficos (EEG) de 64 canales y calificaciones de satisfacción conductual.

Este estudio emplea el protocolo para examinar las respuestas conductuales y descubrir las distintas etapas de procesamiento cognitivo subyacentes a los efectos de recuperación del servicio desde una perspectiva neurodinámica16,17. Por ejemplo, el estilo racional podría violar expectativas emocionales y, por tanto, provocar señales de conflicto más fuertes y más retroalimentación negativa durante las etapas tempranas, reflejadas en amplitudes más negativas de N2 yFRN 18,19,20. Además, el agente humano podría recibir una valoración motivacional más positiva durante la etapa tardía de integración debido a sus atributos sociales, indicados por una amplitud P300 máspositiva 21. Mientras tanto, el estilo de lenguaje racional probablemente incrementa los recursos cognitivos necesarios para resolver conflictos, lo que también puede reflejarse en una amplitud P300mayor 22.

Este protocolo ofrece alta resolución temporal y buena reproducibilidad. Su diseño y detalles metodológicos son aplicables no solo al contexto del servicio de transporte por teléfono, sino que también proporcionan una referencia para campos de investigación más amplios. Estos campos incluyen neurociencia del consumidor, interacción humano-ordenador, gestión de servicios y estudios de comunicación. Así, contribuye a la cuantificación precisa y comprensión del procesamiento dinámico de la información en el cerebro humano a través de diversos contextos de interacción social y toma de decisiones.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Este protocolo de investigación ha sido aprobado por los comités de ética locales e institucionales y cumple con la última versión de la Declaración de Helsinki. Todos los participantes proporcionaron su consentimiento informado por escrito antes de participar y pueden retirarse del estudio en cualquier momento para proteger sus derechos.

1. Estímulos experimentales

  1. Preselección de escenarios de fallo de servicio
    1. Recluta a 100 estudiantes universitarios con experiencia previa en transporte por teléfono.
    2. Pide a los participantes que valoren su nivel de insatisfacción con diez escenarios comunes de fallo de servicios de transporte mediante una escala Likert de 7 puntos (1 = no insatisfecho en absoluto; 7 = muy insatisfecho). Los escenarios deben incluir: grosería, avería del vehículo, destino incorrecto, llegada tarde del conductor, accidentes de tráfico, mala higiene dentro del coche, desvíos del conductor, ser cargado antes de embarcar, conductor que no ayude con el equipaje y temperatura incómoda dentro del vehículo.
    3. Clasifica los diez escenarios según su media de insatisfacción y selecciona el 50% superior de los escenarios con las puntuaciones más altas como materiales experimentales formales.
    4. Finalizar los siguientes cinco escenarios de fallo de servicio para su uso en el experimento: grosería del conductor, avería del vehículo, destino incorrecto, llegada tarde del conductor y accidentes de tráfico.
    5. Presenta cada escenario seleccionado a los participantes usando breves descripciones textuales acompañadas de un prompt "¡Fallo en el servicio!".
      NOTA: En la implementación actual, los escenarios seleccionados mostraron una media de insatisfacción de 6,6, sustancialmente superior a la media del 50% inferior de los escenarios (media = 3,6). Esta diferencia indica que los escenarios seleccionados provocaron efectivamente una percepción de fallo del servicio, apoyando la validez de los estímulos experimentales.
  2. Diseñar dos estilos de lenguaje (humorístico y racional) para los agentes (Atención al Cliente Humana vs. Atención al Cliente con IA) para proporcionar compensación y divulgar información mediante texto combinado con imágenes de representantes de atención al cliente. Por ejemplo, en un escenario donde la actitud del conductor en el servicio es mala, el estilo de lenguaje humorístico dice: '¡El conductor está de mal humor, ¡y es contagioso! Aquí viene un cupón de efectivo, ¡asegurándote una sonrisa la próxima vez!' El estilo del lenguaje racional dice: 'Se expresa una disculpa por la actitud insatisfactoria del conductor, y se proporciona un cupón en efectivo como compensación. Se agradece el mecenazgo futuro.'
  3. Procesa todas las imágenes experimentales usando Adobe Photoshop 2022 para estandarizar los materiales de estímulo, asegurando su validez y coherencia. Ajusta las dimensiones de la imagen de forma uniforme a 2560 × 1440 píxeles con una resolución de 72 DPI. Calibra el brillo a un valor de 85 y aumenta el contraste en +20 para minimizar la interferencia visual. Además, estandariza y optimiza la redacción relacionada con los estímulos para garantizar claridad y facilidad de comprensión, evitando ambigüedades.
  4. Realizar un estudio piloto para recopilar la opinión de los participantes sobre todos los materiales de estímulo. Asegúrate de que todos los escenarios de fallo del servicio provoquen eficazmente la percepción de fallo del servicio. Confirmar que los materiales en condición humorística reciben una calificación significativamente superior en el humor percibido que los en condición racional, sin mostrar diferencias significativas en las valoraciones de adecuación y naturalidad. Además, verifica que la duración de la presentación de 1250 ms sea suficiente para que los participantes lean y comprendan el texto del estímulo.
  5. Ajusta y equilibra la longitud del texto, medida por el número de caracteres chinos, entre las diferentes condiciones de estilo del idioma. Asegúrate de que no exista una diferencia significativa en la longitud del texto entre las condiciones humorísticas y racionales. Control de la influencia confusa de la complejidad del texto en el tiempo de lectura y la carga cognitiva.

2. Procedimiento experimental

  1. Adopta un diseño factorial dentro de los sujetos 2 (tipo agente: humano vs. IA) × 2 (estilo de lenguaje: humorístico vs. racional).
  2. Genera cuatro versiones distintas de la secuencia experimental. Para cada versión, combina las cuatro condiciones experimentales (humorística humana, racional humana, humorística IA, racional IA) con los cinco escenarios de fallo del servicio.
  3. Programa 120 ensayos en E-Prime, divídelos en 2 bloques de 60 ensayos, inserta una pantalla obligatoria de descanso de 120 segundos entre bloques y estructura cada prueba de la siguiente manera:
    1. Muestra el punto de fijación en el centro de la pantalla durante 500 ms.
    2. Presenta un aviso indicando el fallo del servicio de transporte por llamadas durante 1000 ms.
    3. Muestra una pantalla en blanco durante 250 ms.
    4. Mostrar información sobre la divulgación de identidad del agente de servicio durante 1000 ms.
    5. Muestra una pantalla en blanco durante 250 ms.
    6. Proporciona al participante un guion de disculpa entregado en un estilo humorístico/racional por el agente de servicio durante 1250 ms.
    7. Muestra una pantalla en blanco durante 250 ms.
    8. Ofrece al participante una compensación en forma de cupón equivalente (un vale de viaje igual al coste del servicio) por 1250 ms.
    9. Muestra una pantalla en blanco durante 250 ms.
    10. Solicita al participante que evalúe su satisfacción con la solución propuesta (1 = muy insatisfecho, 5 = muy satisfecho); La interfaz de evaluación permanecerá hasta que el participante haga una selección.

figure-protocol-1
Figura 1: Procedimiento experimental. La secuencia de eventos y la duración de la presentación para un único ensayo experimental se muestran de izquierda a derecha de la siguiente manera: una cruz de fijación (500 ms), un aviso de escenario de fallo de servicio (1000 ms), una pantalla en blanco (250 ms), información del tipo de agente de servicio (1000 ms), pantalla en blanco (250 ms), estilo de lenguaje (1250 ms), pantalla en blanco (250 ms), una estrategia de recuperación de servicios (información del val, 1250 ms), una pantalla en blanco (250 ms) y finalmente la interfaz de valoración de satisfacción (mostrada hasta que el participante respondía). Por favor, haz clic aquí para ver una versión ampliada de esta figura.

3. Preparación experimental y registro electrofisiológico

  1. Preparación experimental
    1. Reclutar a 20 estudiantes remunerados de grado y posgrado (8 mujeres) de la Universidad de Ingeniería de Harbin según los criterios de inclusión: diestro, visión normal o corregida a normal, sin antecedentes de trastornos psiquiátricos o neurológicos, y sin antecedentes de alisado o teñido de cabello en los últimos seis meses. Los participantes tenían entre 18 y 28 años (M=23,25, SD=±2,23). Programa sesiones experimentales individuales para cada participante. Excluye a los participantes con artefactos de datos excesivos de análisis posteriores.
    2. Tras la llegada del participante al laboratorio, realiza una sesión informativa preliminar. Introduce el equipo central, los materiales y el procedimiento experimental completo paso a paso. Explica claramente los requisitos específicos de las tareas experimentales, la duración estimada y las precauciones importantes. Asegúrate de que el participante comprenda completamente la intensidad del experimento.
    3. Proporcionar un formulario escrito de consentimiento informado a los participantes antes del inicio oficial del experimento. Exigir a los participantes que lean el formulario detenidamente y lo firmen antes de que comience el experimento.
    4. Indica al participante que se lave el pelo con un champú neutro en una zona designada para eliminar el aceite del cuero cabelludo, el polvo y otras impurezas que puedan afectar la conductividad entre los electrodos y el cuero cabelludo. Después, indica al participante que use el secador de pelo proporcionado por el laboratorio para secar bien el cabello, asegurando que no queden zonas húmedas. Ajusta el secador a una velocidad media (aproximadamente 1600 W) y un modo de temperatura constante (aproximadamente 50°C).
    5. Guía al participante al laboratorio dedicado de grabación de EEG. El laboratorio está profesionalmente equipado con blindaje electromagnético y alto aislamiento acústico. Ajusta el aire acondicionado y la iluminación ambiental para asegurar una temperatura ambiente de aproximadamente 22°C y una iluminación tenue. Indica al participante que se siente en la cómoda silla. Asegúrate de que la distancia entre los ojos del participante y el centro de la pantalla sea de aproximadamente 1 metro.
    6. Toma bolas de algodón con alcohol medicinal al 75% y limpiador facial no irritante. Limpia suavemente las zonas específicas de la cara de los participantes con estos objetos.
    7. Coloca la tapa del electrodo, equipada con 64 electrodos de Ag/AgCl, en el cuero cabelludo del participante según el sistema internacional 10-20. Alinea la línea media de la gorra con la línea nasion-inion del participante. Coloca el electrodo CZ en el vértice de la cabeza. Verifica la posición de la tapa: asegúrate de que los electrodos Fp1 y Fp2 estén situados aproximadamente 2 cm por encima del nasion, y que los electrodos T3 y T4 estén situados aproximadamente 2 cm por encima del trago auditivo.
    8. Llena todos los pozos de electrodos con gel conductor. Fija cualquier electrodo externo con cinta médica. Coloca el electrodo de referencia en la punta de la nariz. Colocar los electrodos electrooculogramas verticales (VEOG) aproximadamente 1 cm por encima y por debajo del encaje orbital izquierdo. Coloque los electrodos horizontales del electrooculograma (HEOG) aproximadamente 1 cm lateralmente al canto externo de cada ojo. Coloca los electrodos de grabación (M1, M2) en los mastoides izquierdo y derecho, respectivamente.
    9. Ajusta la correa de la barbilla de la tapa del electrodo para que encaje ceñido pero cómodo y así evitar el desplazamiento del electrodo durante el experimento. Luego, verifica la posición final de la tapa para asegurarte de que no esté torcida ni girada.
    10. Cambia el software de grabación a modo de comprobación de impedancia. Llena los pozos de todos los electrodos en la tapa con gel conductor usando una jeringuilla de punta roma. Divide suavemente el cabello en cada zona del electrodo para asegurar un contacto total entre el electrodo y el cuero cabelludo. Ajusta continuamente los electrodos hasta que la impedancia de cada canal baje y se estabilice a 10 kΩ. Verifica que los valores de impedancia se muestren dentro del rango aceptable (normalmente indicados por un color azul o oscuro en el monitor de impedancia).
    11. Informa a los participantes de que el experimento se llevará a cabo en un entorno cerrado y tranquilo. Instrúyeles a mantener un estado relajado, mantener una postura estable al sentarse, evitar movimientos excesivos del cuerpo y mantener la concentración durante todo el experimento.
    12. Presenta los estímulos usando un monitor LCD de 22 pulgadas. Pon la tasa de refresco de la pantalla a 60 Hz.
  2. Procedimiento de Operación del Software E-Prime
    1. Inicia E-Studio y carga el proyecto. Inserta la clave de hardware E-Prime en un puerto USB del ordenador. Haz doble clic en el icono de E-Studio en el escritorio para iniciar el software. Haz clic en Archivo -> Abrir en la barra de menú y selecciona el archivo del proyecto para este experimento.
    2. Introduce la Información del Participante. En la interfaz de inicio de E-Run, introduce correctamente el número de sujeto (por ejemplo, 001), número de sesión y otra información requerida.
    3. Ejecuta la sesión de práctica. Haz clic en Herramientas -> E-Run y luego selecciona Ejecutar en la ventana emergente. El programa mostrará primero las instrucciones de la tarea. Asegúrate de que el participante pueda reiterar claramente el procedimiento experimental y el método de respuesta correcto. Posteriormente, realiza las 10 pruebas de práctica. La estructura de estos ensayos es idéntica a la del experimento principal. Después de la sesión de práctica, pregunta al participante si fue capaz de leer y comprender eficazmente la información presentada en los estímulos.
    4. Inicia el experimento principal. Al finalizar las pruebas de práctica, pasa a la pantalla de instrucciones. Confirma la preparación del participante y luego indícale que pulse la barra espaciadora para comenzar el experimento principal. Asegurarse de que el experimento principal conste de 120 ensayos divididos en 2 bloques, asignando 60 ensayos a cada bloque. Inserta un periodo obligatorio de descanso de 2 minutos entre los dos bloques.
    5. Monitoriza la sesión y los datos guardados. Monitoriza el progreso de la sesión desde una sala adyacente mediante una pantalla de monitor. Al completar todo el experimento, asegúrate de que E-Prime guarde automáticamente el archivo de datos.
  3. Informe y compensación
    1. Guarda los datos del EEG y retira la tapa del electrodo de los participantes. Instruye a los participantes a limpiar el gel conductor residual de su cabello y piel. Asegúrate de que no queden residuos de gel en su pelo o piel. Confirma que los participantes no sientan molestias tras el proceso de limpieza.
    2. Concluir el experimento y pagar a los participantes una remuneración de 30 RMB (aproximadamente 4,50 USD).
  4. Procedimiento de Preprocesamiento de Datos
    1. Inspecciona los datos. Inspecciona visualmente los datos del EEG. Excluir épocas que contengan deriva de línea base significativa o artefactos de ruido severos de análisis posteriores.
    2. Artefactos oculares correctos. Establece el canal de electrooculograma vertical (VEOG) como referencia para artefactos oculares. Aplica el algoritmo de reducción de artefactos oculares en el software Scan para corregir artefactos de parpadeo y movimiento ocular.
    3. Época de los datos. Segmenta los datos continuos del EEG en épocas bloqueadas en el tiempo de inicio del estímulo, usando los marcadores de evento insertados por el programa E-Prime. Definamos la ventana temporal de la época desde -200 ms (antes del estímulo) hasta +800 ms (después del estímulo).
    4. Realiza la corrección de la línea base. Define el intervalo pre-estímulo de 200 ms como la línea base. Resta su amplitud media de los datos posteriores al estímulo usando el algoritmo de corrección de línea base en el software Scan.
    5. Rechaza artefactos. Rechazar épocas en las que la amplitud de la señal supera ±100 μV dentro de la ventana de análisis para eliminar la contaminación por actividad muscular y otros artefactos de alta amplitud.
    6. Vuelve a consultar los datos. Calcula la señal media de los electrodos en las mastoides izquierda y derecha. Vuelve a consultar todos los canales fuera de línea a este promedio mastoide calculado.
    7. Promedio dentro de las asignaturas. Para cada participante, promedia todas las épocas libres de artefactos que pertenecen a la misma condición de estímulo para obtener formas de onda de ERP estables y específicas para cada individuo.
    8. Aplica un filtro. Filtra las formas de onda promedio de los ERP usando un filtro pasa-bajos de 30 Hz (reducción de 24 dB/octava).
    9. Crea grandes promedios. Combinar los promedios individuales de cada condición entre todos los participantes para crear ERPs de gran promedio y obtener las formas de onda a nivel de grupo para cada condición experimental.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Como se muestra en la Figura 2a, 2 (agente de servicio: humano vs. IA) ×2 (estilo de lenguaje: humorístico vs. racional) medidas repetidas de ANOVA sobre las calificaciones de satisfacción revelaron un efecto principal significativo del agente de servicio. Las comparaciones por pares mostraron que la satisfacción con el agente humano (3,005) era mayor que con el agente de IA (2,750). También se encontró un efecto principal significativo del estilo lingüístic...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Este estudio integra medidas conductuales con la técnica ERP de alta resolución temporal para revelar sistemáticamente los mecanismos cognitivos y neuronales en múltiples etapas a través de los cuales el tipo de agente de servicio (humano vs. IA) y el estilo de lenguaje (humorístico vs. racional) influyen en la satisfacción de los pasajeros con la recuperación del servicio. Los resultados conductuales muestran que el agente humano y el estilo de lenguaje humorístico conducen individualme...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen nada que revelar.

Agradecimientos

Este trabajo fue apoyado por la Fundación Nacional de Ciencias Naturales de China (Nº 72001055). Agradecemos a todos los colegas del Laboratorio 412 por su ayuda en el experimento. ST, XY y JY concibieron y diseñaron el estudio. XY y XZ llevaron a cabo los experimentos. XY analizó los datos y escribió el manuscrito. ST revisó el manuscrito. Todos los autores contribuyeron al artículo y aprobaron la versión enviada.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
NeuroScan Synamp2 AmplifierNeurosoft Labs Inc., USASYN-2-641.Continuous EEG recording with bandpass filter (0.05–100 Hz) and sampling rate (1,000 Hz)
2.Equipped with Scan 4.3.1 software for impedance monitoring and data recording
3.Compatible with 64-channel electrode caps
64-channel Ag/AgCl Electrode CapElectro-Cap InternationalEC-64Instalación según el estándar internacional del sistema 10-20.Use la punta de la nariz como referencia en línea. Todos los canales fueron re-referenciados fuera de línea al promedio de las referencias mastoideas izquierda y derecha. El electrodo entre FPz y Fz se aplicó como tierra. El EOG vertical y el EOG horizontal fueron registrados por dos electrodos ubicados sobre y debajo del ojo izquierdo a 10 mm y electrodos laterales en los cantos externos de ambos ojos. Todas las impedancias de los electrodos se mantuvieron por debajo de 10 KΩ.
E-prime softwarePsychology Software ToolsUtilizado para diseñar experimentos, iniciar experimentos, presentar estímulos, controlar el proceso experimental y recopilar datos de comportamiento.
Quik-Gel Conductive GelCompumedics Limited AustraliaRP0002831Gel conductor médico. Su función principal es aplicarse entre los electrodos y el cuero cabelludo o la piel durante los exámenes neurofisiológicos de electroencefalograma (EEG) para reducir la resistencia, asegurando una conducción suave de las señales eléctricas, obteniendo así resultados de prueba claros y precisos.
NuprepWeaver and company10-30Gel de preparación de piel (abrasivo). Antes de los exámenes electrofisiológicos de electroencefalograma (EEG), se utiliza para abrasar y limpiar la piel, eliminando eficazmente las grasas y la piel muerta para reducir la impedancia de la piel, asegurando así una conducción más clara y precisa de la señal del electrodo.
BD 10ml SyringeBecton, Dickinson and CompanyREF309604Jeringa de capacidad estándar de 10 ml. Se utiliza para llenar las cavidades cilíndricas de todos los electrodos en la gorra de electrodos con pasta conductora, asegurando un contacto suficiente entre el cuero cabelludo y los electrodos.
SalonShine Care ION+DryerPHILIPSHP8206Seca rápidamente el cabello y utiliza tecnología de iones negativos para reducir la electricidad estática y el encrespamiento.
Bee & Flower ShampooShanghai Bee & Flower Daily Necessities Co., Ltd.GB/T 29679Champú suave. Elimina eficazmente el exceso de aceite y suciedad del cuero cabelludo, reduciendo la interferencia con el experimento.
75% Alcohol Dezhou Chuangyi Medical Technology Co., Ltd.1378Reduce la impedancia de la piel.
3M Transpore Surgical TapeMinnesota Mining and Manufacturing Medical Devices (Shanghai) Co., Ltd.1527C-1Utilizado para asegurar electrodos externos.
LCD MonitorDellE2219HNUtilizado para mostrar el procedimiento experimental y los estímulos, sirviendo como una interfaz importante para la interacción humano-computadora.

Referencias

  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).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Recuperaci n del serviciopotenciales relacionados con eventosregistro de EEGsatisfacci n del pasajerointeracci n persona computadoracalificaciones conductuales

Artículos relacionados