Articolo metodologico

Umorismo o razionalità? I meccanismi neurali di come il tipo di agente e lo stile linguistico influenzano la soddisfazione nel recupero dopo guasti ai servizi di ride-hailing

519 visualizzazioni

⸱

DOI:

10.3791/69813

⸱

13 marzo 2026

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

In questo articolo

Sommario

Questo studio utilizza ERP per indagare come il tipo di agente (umano/IA) e lo stile linguistico (umoristico/razionale) influenzino la soddisfazione del recupero nei servizi di ride-hailing, con l'obiettivo di scoprire i meccanismi neurocognitivi.

Abstract

Nel settore del ride-hailing, strategie efficaci di recupero del servizio dopo i guasti sono fondamentali per la soddisfazione dei passeggeri e la reputazione della banchina. Tuttavia, come la combinazione di tipo di agente e stile linguistico influenzi la soddisfazione dei passeggeri e i meccanismi neurali sottostanti rimane poco chiaro. Questo studio ha progettato un esperimento di potenziali correlati agli eventi (ERP) per indagare come due fattori chiave nella bonifica post-guasto — il tipo di agente di servizio e lo stile linguistico — influenzino la soddisfazione dei passeggeri e i suoi correlati neurali. È stato impiegato un design all'interno dei soggetti 2 (Tipo di Agente: Umano/AI) × 2 (Stile linguistico: Umoristico/Razionale). Utilizzando il software E-Prime, ai partecipanti sono stati presentati cinque scenari preselezionati e comuni di guasto ai servizi di ride-hailing. Ogni scenario era seguito da un'offerta standardizzata di compenso tramite voucher fornita da un agente, con il tipo di agente e lo stile linguistico che variavano sistematicamente tra i trial. La procedura prevedeva la registrazione simultanea dei segnali elettroencefalografici (EEG) a 64 canali e la raccolta di valutazioni di soddisfazione comportamentale. I dati comportamentali hanno indicato indici di soddisfazione più elevati per l'agente umano e uno stile di linguaggio umoristico. I risultati ERP hanno rivelato ampiezze N2 negative e negatività correlate al feedback (FRN) più negative evocate dallo stile linguistico razionale, mentre gli agenti umani e lo stile razionale hanno evocato ampiezze P300 più positive. Questo studio dettaglia la preparazione standardizzata degli stimoli sperimentali, il controllo preciso del tempo della procedura sperimentale, la preparazione della registrazione EEG basata sul sistema International 10-20 e l'intera pipeline metodologica dall'acquisizione dei dati alla pre-elaborazione. Questo protocollo offre alta risoluzione temporale e buona riproducibilità. È adatta per la ricerca in neuroscienze del consumo, interazione uomo-computer e gestione dei servizi, che richiede una quantificazione precisa delle dinamiche temporali alla base della cognizione sociale e dei processi decisionali.

Introduzione

Il ride-hailing, un modello di punta dell'economia della condivisione, è diventato una componente integrante degli ecosistemi della mobilità urbana grazie alla sua dipendenza fondamentale dall'interazione in tempo reale e dall'esperienza utente1. Tuttavia, i guasti del servizio — come la mancanza di cortesia del conducente, il malfunzionamento del veicolo o i ritardi del viaggio — sono difficili da eliminare del tutto. Questi episodi sono spesso inaspettati e dipendenti dal contesto, scatenando facilmente insoddisfazione dei passeggeri ed erosione dellafiducia 2. In un mercato altamente competitivo, un recupero rapido ed efficace del servizio non è solo un passo necessario per correggere le carenze immediate; Costituisce un imperativo strategico per ricostruire la fiducia degli utenti e mantenere la fedeltà a lungotermine 3.

La ricerca tradizionale sul recupero dei servizi ha utilizzato prevalentemente metodologie comportamentali, come questionari ed esperimenti basati su scenari4. Questi studi valutano l'efficacia delle diverse strategie di recupero misurando indicatori espliciti come la soddisfazione e l'intenzione di riacquisto. Sebbene questa ricerca abbia generato risultati sostanziali, si limita in gran parte all'osservazione delle emissioni comportamentali finali dei consumatori. Mancano ancora prove dirette riguardo al processo interno della "scatola nera" — in particolare su come il cervello elabora, valuta e in ultima analisi trasforma le informazioni sul recupero del servizio in una decisione. In altre parole, sebbene esista conoscenza su quali strategie siano efficaci, la comprensione dei meccanismi neurocognitivi sottostanti rimane limitata. Persistono diverse domande specifiche: le differenze tra agenti umani e IA si manifestano nelle prime fasi dell'elaborazione delle informazioni? In che modo gli stili di comunicazione umoristico rispetto a quelli razionali modulano le emozioni negative suscitate dai fallimenti nei servizi? Qual è il percorso neurale completo — dalla rilevazione del conflitto all'integrazione cognitiva — che sta alla base della decisione finale di soddisfazione?

Sebbene alcune strategie di recupero (come il risarcimento monetario o le scuse) siano generalmente efficaci, una profonda comprensione del perché e di come queste strategie funzionano a livello cognitivo e affettivo — così come dei loro meccanismi neurali dinamici sottostanti — rimane limitata. Questa lacuna metodologica limita la capacità di progettare soluzioni di recupero del servizio più precise, efficienti e personalizzate. Per indagare questa "scatola nera", il presente studio utilizza la tecnologia dei potenziali legati agli eventi (ERP) come approccio metodologico centrale. Registrando segnali elettroencefalografici bloccati nel tempo a eventi stimolo specifici, gli ERP forniscono una risoluzione temporale millisecondaria, consentendo la cattura non invasiva e continua dell'attività cerebrale istantanea durante l'elaborazionecognitiva 5,6,7. Rispetto all'imaging a risonanza magnetica funzionale (fMRI), le ERP offrono un vantaggio distinto in termini di precisionetemporale 8. Rispetto alle tradizionali misure di auto-rapporto, le ERP possono efficacemente evitare i bias retrospettivi e gli effetti di desiderabilità sociale, rivelando così direttamente le risposte neurali immediate e inconscedegli individui 9. Nel contesto del guasto e del recupero del servizio, ciò significa che gli ERP permettono la separazione precisa e l'osservazione di una serie di processi psicologici rapidi e sequenziali. Questi includono la rilevazione precoce del conflitto (riflessa nella componente N2), la valutazione delle emozioni e degli esiti a medio termine (riflessa nella componente FRN), e l'integrazione cognitiva e la valutazione motivazionale di ordine superiore in stadio avanzato (riflesse nella componente P300)10,11,12,13,14,15. Pertanto, le ERP rappresentano uno strumento ideale per chiarire i complessi meccanismi neurali alla base delle decisioni di recupero del servizio.

Basandosi sulle considerazioni metodologiche sopra descritte, questo articolo presenta un protocollo sperimentale ERP sistematico, rigoroso e riproducibile. Questo protocollo è progettato per indagare come due elementi chiave di recupero del servizio — il tipo di agente di servizio (Umano vs. AI) e lo stile linguistico (Umoristico vs. Razionale) — influenzino congiuntamente la soddisfazione dei passeggeri e i suoi meccanismi neurali sottostanti a seguito di un guasto al servizio di ride-hailing. Il protocollo recluta studenti universitari con esperienza previa nel ride-hailing. Utilizza un paradigma sperimentale standard S1-S2 e un design all'interno dei soggetti 2 (Tipo di Agente: Umano vs. IA) × 2 (Stile linguistico: Umoristico vs. Razionale). Gli stimoli che comprendono scenari di fallimento del servizio e le successive proposte di recupero sono presentati in modo standardizzato utilizzando il software E-Prime. La procedura prevede l'acquisizione simultanea di dati elettroencefalografici (EEG) a 64 canali e di valutazioni di soddisfazione comportamentale.

Questo studio utilizza il protocollo per esaminare le risposte comportamentali e per scoprire le distinte fasi di elaborazione cognitiva alla base degli effetti del recupero del servizio da una prospettivaneurodinamica 16,17. Ad esempio, lo stile razionale potrebbe violare le aspettative emotive e quindi suscitare segnali di conflitto più forti e un feedback negativo maggiore durante le fasi precoce, riflessi in ampiezze N2 e FRN piùnegative 18,19,20. Inoltre, l'agente umano potrebbe ricevere una valutazione motivazionale più positiva durante la fase avanzata di integrazione grazie alle loro caratteristiche sociali, indicate da un'ampiezza P300 piùpositiva 21. Nel frattempo, lo stile linguistico razionale probabilmente aumenta le risorse cognitive necessarie per risolvere i conflitti, cosa che può riflettersi anche in un'ampiezza P300più ampia 22.

Questo protocollo offre alta risoluzione temporale e buona riproducibilità. La sua logica di progettazione e i dettagli metodologici sono applicabili non solo al contesto dei servizi ride-hailing, ma forniscono anche un riferimento per campi di ricerca più ampi. Questi settori includono neuroscienze del consumo, interazione uomo-computer, gestione dei servizi e studi sulla comunicazione. Pertanto, contribuisce alla quantificazione precisa e alla comprensione dell'elaborazione dinamica delle informazioni nel cervello umano attraverso vari contesti di interazione sociale e processo decisionale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo protocollo di ricerca è stato approvato dai comitati etici locali e istituzionali e rispetta l'ultima versione della Dichiarazione di Helsinki. Tutti i partecipanti hanno fornito un consenso informato scritto prima della partecipazione e possono ritirarsi dallo studio in qualsiasi momento per proteggere i propri diritti.

1. Stimoli sperimentali

  1. Preselezione degli scenari di guasto del servizio
    1. Recluta 100 studenti universitari con esperienza precedente nel ride-hailing.
    2. Chiedi ai partecipanti di valutare il loro livello di insoddisfazione in dieci scenari comuni di fallimento dei servizi di ride-hailing utilizzando una scala Likert a 7 punti (1 = non insoddisfatti affatto; 7 = molto insoddisfatti). Gli scenari dovrebbero includere: maleducazione del conducente, guasto del veicolo, destinazione errata, arrivo in ritardo, incidenti stradali, scarsa igiene in auto, deviazioni dell'autista che prende deviazioni, addebitamento prima dell'imbarco, non aiuto con i bagagli e temperatura scomoda in auto.
    3. Classifica i dieci scenari in base ai loro indici medi di insoddisfazione e seleziona il 50% degli scenari con i punteggi più alti come materiali sperimentali formali.
    4. Finalizza i seguenti cinque scenari di guasto del servizio da utilizzare nell'esperimento: scortesia del conducente, guasto del veicolo, destinazione errata, arrivo in ritardo del conducente e incidenti stradali.
    5. Presenta ogni scenario selezionato ai partecipanti utilizzando brevi descrizioni testuali accompagnate da un prompt "Fallimento del servizio!".
      NOTA: Nell'attuale implementazione, gli scenari selezionati hanno mostrato un indice medio di insoddisfazione di 6,6, sostanzialmente superiore al punteggio medio del 50% più basso degli scenari (media = 3,6). Questa differenza indica che gli scenari selezionati hanno effettivamente suscitato una percezione di fallimento del servizio, supportando la validità degli stimoli sperimentali.
  2. Progetta due stili linguistici (umoristico e razionale) per gli Agenti (Servizio Clienti Umano vs. Servizio Clienti AI) per fornire compensi e divulgare informazioni tramite testo combinato con immagini di rappresentanti del servizio clienti. Ad esempio, in uno scenario in cui l'atteggiamento del conducente verso il servizio è scarso, lo stile di linguaggio umoristico afferma: 'L'autista è di cattivo umore, ed è contagioso! Ecco un coupon in denaro, assicurandoti un sorriso la prossima volta!' Lo stile del linguaggio razionale afferma: 'Si esprime una scusa per l'atteggiamento insoddisfacente del conducente e viene fornito un coupon in denaro come compenso. Il futuro patrocinio è ben accetto.'
  3. Elaborare tutte le immagini sperimentali utilizzando Adobe Photoshop 2022 per standardizzare i materiali di stimolo, garantendone validità e coerenza. Regola uniformmente le dimensioni dell'immagine a 2560 × 1440 pixel con una risoluzione di 72 DPI. Calibra la luminosità a un valore di 85 e aumenta il contrasto di +20 per minimizzare le interferenze visive. Inoltre, standardizza e ottimizza la formulazione relativa agli stimoli per garantire chiarezza e facilità di comprensione, evitando qualsiasi ambiguità.
  4. Condurre uno studio pilota per raccogliere feedback dei partecipanti su tutti i materiali di stimolo. Assicurati che tutti gli scenari di guasto del servizio suscitino efficacemente la percezione di un guasto del servizio. Confermare che i materiali in condizioni umoristiche siano valutati significativamente più alti rispetto a quelli in condizioni razionali, senza però mostrare differenze significative nelle valutazioni di appropriatezza e naturalezza. Inoltre, verifica che la durata della presentazione di 1250 ms sia sufficiente per permettere ai partecipanti di leggere e comprendere il testo stimolante.
  5. Abbina e bilancia la lunghezza del testo, misurata dal numero di caratteri cinesi, tra le diverse condizioni di stile linguistico. Assicurati che non esista una differenza significativa nella lunghezza del testo tra le condizioni umoristiche e quelle razionali. Controllo dell'influenza confusa della complessità del testo sul tempo di lettura e sul carico cognitivo.

2. Procedura sperimentale

  1. Adottare un disegno fattoriale all'interno dei soggetti 2 (tipo di agente: umano vs. IA×) 2 (stile linguistico: umoristico vs. razionale).
  2. Genera quattro versioni distinte della sequenza sperimentale. Per ogni versione, si combinano le quattro condizioni sperimentali (umano-umoristico, umano-razionale, AI-umoristico, AI-razionale) con i cinque scenari di fallimento del servizio.
  3. Prove del Programma 120 in E-Prime, suddividile in 2 blocchi da 60 prove, inserisci una schermata di riposo obbligatoria di 120 secondi tra i blocchi e strutturasci ogni prova come segue:
    1. Visualizza il punto di fissazione al centro dello schermo per 500 ms.
    2. Presenta un prompt che indichi il fallimento del servizio ride-hailing per 1000 ms.
    3. Mostra uno schermo vuoto per 250 ms.
    4. Visualizza le informazioni riguardanti la divulgazione dell'identità dell'agente del servizio per 1000 ms.
    5. Mostra uno schermo vuoto per 250 ms.
    6. Fornire al partecipante uno script di scuse consegnato in uno stile umoristico/razionale dall'agente del servizio per 1250 ms.
    7. Mostra uno schermo vuoto per 250 ms.
    8. Offri al partecipante un compenso sotto forma di un coupon equivalente (un buono corsa pari al costo del servizio) per 1250 ms.
    9. Mostra uno schermo vuoto per 250 ms.
    10. Chiedere al partecipante di valutare la propria soddisfazione per la soluzione proposta (1 = molto insoddisfatto, 5 = molto soddisfatto); L'interfaccia di valutazione rimarrà attiva fino a quando il partecipante non effettua una selezione.

figure-protocol-1
Figura 1: Procedura sperimentale. La sequenza degli eventi e la durata della presentazione per una singola prova sperimentale sono mostrate da sinistra a destra come segue: una croce di fissazione (500 ms), un prompt per uno scenario di fallimento del servizio (1000 ms), uno schermo vuoto (250 ms), informazioni sul tipo di agente di servizio (1000 ms), uno schermo vuoto (250 ms), uno stile linguistico (1250 ms), uno schermo vuoto (250 ms), una strategia di recupero del servizio (informazioni sui voucher, 1250 ms), una schermata vuota (250 ms) e infine l'interfaccia del rating di soddisfazione (visualizzata fino alla risposta del partecipante). Clicca qui per visualizzare una versione più grande di questa figura.

3. Preparazione sperimentale e registrazione elettrofisiologica

  1. Preparazione sperimentale
    1. Reclutare 20 studenti laureandi e post-laurea retribuiti (8 donne) dalla Harbin Engineering University secondo i criteri di inclusione: destrorsi, vista normale o corretta a normale, nessuna storia di disturbi psichiatrici o neurologici e nessuna storia di lisciatura o tintura dei capelli negli ultimi sei mesi. I partecipanti avevano un'età compresa tra 18 e 28 anni (M=23,25, SD=±2,23). Programmare sessioni sperimentali individuali per ogni partecipante. Escludere i partecipanti con artefatti dati eccessi da ulteriori analisi.
    2. Dopo l'arrivo del partecipante al laboratorio, si effettua un briefing preliminare. Introdurre passo dopo passo le attrezzature di base, i materiali e l'intera procedura sperimentale. Spiega chiaramente i requisiti specifici dei compiti sperimentali, la durata stimata e le precauzioni importanti. Assicurati che il partecipante comprenda appieno l'intensità dell'esperimento.
    3. Fornire un modulo scritto di consenso informato ai partecipanti prima dell'inizio ufficiale dell'esperimento. Richiedere ai partecipanti di leggere attentamente il modulo e firmarlo prima dell'inizio dell'esperimento.
    4. Istruisci il partecipante a lavarsi i capelli con uno shampoo neutro in un'area designata per rimuovere l'olio del cuoio capelluto, la polvere e altre impurità che potrebbero influire sulla conduttività tra gli elettrodi e il cuoio capelluto. Poi, istruisci il partecipante a usare l'asciugacapelli fornito dal laboratorio per asciugare accuratamente i capelli, assicurandosi che non rimangano zone umide. Imposta l'asciugacapelli a una velocità media (circa 1600 W) e una modalità a temperatura costante (circa 50°C).
    5. Guida il partecipante nel laboratorio dedicato alla registrazione EEG. Il laboratorio è professionalmente dotato di schermature elettromagnetiche e alto isolamento acustico. Regola l'aria condizionata e l'illuminazione ambientale per garantire una temperatura ambiente di circa 22°C e una luce fioca. Istruisci il partecipante a sedersi sulla sedia comoda. Assicurati che la distanza tra gli occhi del partecipante e il centro dello schermo sia di circa 1 metro.
    6. Prendi batuffoli di cotone al 75% con alcol medico e detergente viso non irritante. Asciuga delicatamente le specifiche aree del volto dei partecipanti con questi oggetti.
    7. Posizionare il cappuccio dell'elettrodo, dotato di 64 elettrodi Ag/AgCl, sul cuoio capelluto del partecipante secondo il sistema internazionale 10-20. Allinea la linea centrale del cappuccio con la linea nasion-inion del partecipante. Posiziona l'elettrodo CZ al vertice della testa. Verifica la posizione del cappuccio: assicurati che gli elettrodi Fp1 e Fp2 siano posizionati circa 2 cm sopra il nasion, e che gli elettrodi T3 e T4 siano posizionati circa 2 cm sopra il trago dell'orecchio.
    8. Riempi tutti i pozzi degli elettrodi con gel conduttivo. Fissa eventuali elettrodi esterni con del nastro medico. Posiziona l'elettrodo di riferimento sulla punta del naso. Posizionare gli elettrodi elettrooculografici verticali (VEOG) circa 1 cm sopra e sotto la presa dell'orbitale sinistro. Posizionare gli elettrodi elettrooculogrammi orizzontali (HEOG) circa 1 cm lateralmente rispetto al canto esterno di ciascun occhio. Posizionare gli elettrodi di registrazione (M1, M2) rispettivamente sui mastoidi sinistro e destro.
    9. Regola la cinghia del cappuccio dell'elettrodo per farla aderire ma comodamente per evitare lo spostamento degli elettrodi durante l'esperimento. Poi, verifica la posizione finale del cappuccio per assicurarti che non sia torto o ruotato.
    10. Passa il software di registrazione in modalità controllo impedenza. Riempi i pozzi di tutti gli elettrodi nel tappo con gel conduttivo usando una siringa a punta smussata. Separare delicatamente i capelli a ciascun sito dell'elettrodo per garantire un pieno contatto tra l'elettrodo e il cuoio capelluto. Regolare continuamente gli elettrodi finché l'impedenza per ciascun canale non scende sotto e si stabilizza a 10 kΩ. Verifica che i valori di impedenza siano visualizzati nell'intervallo accettabile (tipicamente indicato da un colore blu o scuro sul monitor di impedenza).
    11. Informare i partecipanti che l'esperimento si svolgerà in un ambiente chiuso e silenzioso. Istruisci loro a mantenere uno stato di rilassamento, una postura stabile di seduta stabile, evitare movimenti corporei eccessivi e mantenere la concentrazione durante tutto l'esperimento.
    12. Presenta gli stimoli utilizzando un monitor LCD da 22 pollici. Imposta la frequenza di aggiornamento dello schermo a 60 Hz.
  2. Procedura operativa del software E-Prime
    1. Avvia E-Studio e carica il progetto. Inserisci la chiave hardware dell'E-Prime in una porta USB del computer. Fai doppio clic sull'icona di E-Studio sul desktop per avviare il software. Clicca su File -> Apri nella barra del menu e seleziona il file del progetto per questo esperimento.
    2. Inserisci le informazioni del partecipante. Nell'interfaccia di avvio E-Run, inserisci correttamente il numero di soggetto (ad esempio, 001), il numero di sessione e altre informazioni richieste.
    3. Esegui la sessione di prova. Clicca su Strumenti -> E-Run, poi seleziona Esegui nella finestra pop-up. Il programma mostrerà innanzitutto le istruzioni del compito. Assicurati che il partecipante possa ribadire chiaramente la procedura sperimentale e il metodo di risposta corretto. Successivamente, esegui le 10 prove di prova. La struttura di questi studi è identica a quella dell'esperimento principale. Dopo la sessione di pratica, chiedi al partecipante se è stato in grado di leggere e comprendere efficacemente le informazioni presentate negli stimoli.
    4. Avvia l'esperimento principale. Al termine delle prove di prova, procedere allo schermo delle istruzioni. Conferma la prontezza del partecipante, poi ordina loro di premere la barra spaziatrice per iniziare l'esperimento principale. Assicurarsi che l'esperimento principale comprenda 120 prove divise in 2 blocchi, con 60 prove assegnate a ciascun blocco. Inserire un periodo di riposo obbligatorio di 2 minuti tra i due blocchi.
    5. Monitora la sessione e i dati di salvataggio. Monitora l'andamento della sessione da una stanza adiacente tramite uno schermo monitor. Al termine dell'intero esperimento, assicurati che E-Prime salvi automaticamente il file dati.
  3. Debriefing e Compensazione
    1. Salva i dati EEG e rimuovi il tappo dell'elettrodo dai partecipanti. Istruisci i partecipanti a pulire il gel conduttivo residuo dai loro capelli e dalla pelle. Assicurati che non rimangano residui di gel sui capelli o sulla pelle. Conferma che i partecipanti non avranno alcun fastidio dopo il processo di pulizia.
    2. Concludere l'esperimento e pagare ai partecipanti una retribuzione di 30 RMB (circa 4,50 USD).
  4. Procedura di preelaborazione dei dati
    1. Ispeziona i dati. Ispeziona visivamente i dati EEG. Escludere epoche che contengono deriva di base significativa o artefatti rumorosi gravi da ulteriori analisi.
    2. Corretti gli artefatti oculari. Imposta il canale elettrooculogramma verticale (VEOG) come riferimento per gli artefatti oculari. Applica l'algoritmo di riduzione degli artefatti oculari nel software Scan per correggere artefatti di battito di ciglia e movimenti oculari.
    3. Epoch i dati. Segmentare i dati EEG continui in epoche bloccate nel tempo all'inizio dello stimolo, utilizzando i marcatori di evento inseriti dal programma E-Prime. Definiamo la finestra temporale epocale da -200 ms (pre-stimolo) a +800 ms (post-stimolo).
    4. Esegui la correzione di base. Definisci l'intervallo pre-stimolo di 200 ms come base di base. Sottrai la sua ampiezza media dai dati post-stimolo utilizzando l'algoritmo di correzione di base nel software Scan.
    5. Rifiuta gli artefatti. Rifiutare epoche in cui l'ampiezza del segnale supera ±100 μV entro la finestra di analisi per eliminare la contaminazione dovuta all'attività muscolare e ad altri artefatti ad alta ampiezza.
    6. Riconsulta i dati. Calcola il segnale medio degli elettrodi sui mastoidi sinistro e destro. Riferisci tutti i canali offline a questa media mastoide calcolata.
    7. Nella media delle materie. Per ogni partecipante, si fa la media di tutte le epoche prive di artefatti appartenenti alla stessa condizione di stimolo per ottenere forme d'onda ERP stabili e specifiche per ogni individuo.
    8. Applica un filtro. Filtra le forme d'onda media degli ERP usando un filtro passa-basso a 30 Hz (roll-off di 24 dB/ottava).
    9. Crea grandi medie. Combinare le medie individuali per ogni condizione tra tutti i partecipanti per creare le ERP a grande media e ottenere le forme d'onda a livello di gruppo per ogni condizione sperimentale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Come mostrato nella Figura 2a, 2 (agente di servizio: umano vs. IA) ×2 (stile linguistico: umoristico vs. razionale) le misure ripetute ANOVA sui livelli di soddisfazione hanno rivelato un effetto principale significativo dell'agente di servizio. I confronti a coppie hanno mostrato che la soddisfazione con l'agente umano (3,005) era superiore rispetto all'agente IA (2,750). È stato riscontrato anche un effetto principale significativo dello stile linguistico...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Questo studio integra misure comportamentali con la tecnica ERP ad alta risoluzione temporale per rivelare sistematicamente i meccanismi cognitivi e neurali a più stadi attraverso i quali il tipo di agente di servizio (Umano vs. IA) e lo stile linguistico (Umoristico vs. Razionale) influenzano la soddisfazione dei passeggeri con il recupero del servizio. I risultati comportamentali mostrano che lo stile di linguaggio umano e quello dell'agente umano individualmente portano a indici di so...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori non hanno nulla da rivelare.

Ringraziamenti

Questo lavoro è stato sostenuto dalla National Natural Science Foundation of China (n. 72001055). Ringraziamo tutti i colleghi del Laboratorio 412 per il loro aiuto nell'esperimento. ST, XY e JY hanno concepito e progettato lo studio. XY e XZ condussero gli esperimenti. XY analizzò i dati e scrisse il manoscritto. ST ha esaminato il manoscritto. Tutti gli autori hanno contribuito all'articolo e approvato la versione inviata.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
NeuroScan Synamp2 AmplifierNeurosoft Labs Inc., USASYN-2-641.Registrazione EEG continua con filtro passa banda (0,05–100 Hz) e frequenza di campionamento (1.000 Hz)
2.Dotato di software Scan 4.3.1 per il monitoraggio dell'impedenza e la registrazione dei dati
3.Compatibile con cappellini elettrodici a 64 canali
64-channel Ag/AgCl Electrode CapElectro-Cap InternationalEC-64Installazione secondo lo standard internazionale 10-20.Utilizzare la punta del naso come riferimento online. Tutti i canali sono stati re-referenziati offline alla media dei riferimenti mastoidei sinistro e destro. L'elettrodo tra FPz e Fz è stato applicato come terra. L'EOG verticale e l'EOG orizzontale sono stati registrati da due elettrodi situati sopra e sotto l'occhio sinistro a 10 mm e elettrodi laterali sugli angoli esterni di entrambi gli occhi. Tutte le impedenze degli elettrodi sono state mantenute inferiori a 10 KΩ.
E-prime softwarePsychology Software ToolsUtilizzato per progettare esperimenti, avviare esperimenti, presentare stimoli, controllare il processo sperimentale e raccogliere dati comportamentali.
Quik-Gel Conductive GelCompumedics Limited AustraliaRP0002831Gel conduttivo medico. La sua funzione principale è quella di essere applicato tra gli elettrodi e il cuoio capelluto o la pelle durante gli esami neurofisiologici dell'elettroencefalogramma (EEG) per ridurre la resistenza, garantendo una conduzione fluida dei segnali elettrici, ottenendo così risultati di test chiari e accurati.
NuprepWeaver and company10-30Gel preparatorio della pelle (abrasivo). Prima degli esami elettrofisiologici dell'elettroencefalogramma (EEG), viene utilizzato per abradere e pulire la pelle, rimuovendo efficacemente oli e pelle morta per ridurre l'impedenza cutanea, garantendo così una conduzione del segnale degli elettrodi più chiara e precisa.
BD 10ml SyringeBecton, Dickinson and CompanyREF309604Seringa standard da 10 ml. Utilizzata per riempire le cavità cilindriche di tutti gli elettrodi nel cappellino elettrodico con pasta conduttiva, garantendo un contatto sufficiente tra il cuoio capelluto e gli elettrodi.
SalonShine Care ION+DryerPHILIPSHP8206Asciuga rapidamente i capelli e utilizza la tecnologia degli ioni negativi per ridurre l'elettricità statica e il crespo.
Bee & Flower ShampooShanghai Bee & Flower Daily Necessities Co., Ltd.GB/T 29679Shampoo delicato. Rimuove efficacemente l'olio in eccesso e la sporcizia del cuoio capelluto, riducendo l'interferenza con l'esperimento.
75% Alcohol Dezhou Chuangyi Medical Technology Co., Ltd.1378Riduce l'impedenza cutanea.
3M Transpore Surgical TapeMinnesota Mining and Manufacturing Medical Devices (Shanghai) Co., Ltd.1527C-1Utilizzato per fissare gli elettrodi esterni.
LCD MonitorDellE2219HNUtilizzato per visualizzare la procedura sperimentale e gli stimoli, fungendo da importante interfaccia per l'interazione uomo-computer.

Riferimenti

  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).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Recupero del serviziopotenziali evento correlatiregistrazione EEGsoddisfazione del passeggerointerazione uomo computervalutazioni comportamentali

Articoli correlati