방법 논문

유머인가요, 아니면 이성인가요? 에이전트 유형과 언어 스타일이 라이드헤일링 서비스 실패 복구에 대한 만족도에 미치는 신경 메커니즘

519 조회수

⸱

DOI:

10.3791/69813

⸱

2026년 3월 13일

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

이 논문에서

요약

본 연구는 ERP를 활용하여 에이전트 유형(인간/AI)과 언어 스타일(유머러스/합리적)이 라이드헤일링 서비스 회복 만족도에 어떤 영향을 미치는지 조사하며, 신경인지 메커니즘을 밝히고자 합니다.

초록

라이드헤일링 업계에서는 서비스 실패 후 효과적인 서비스 복구 전략이 승객 만족도와 플랫폼 평판에 매우 중요합니다. 그러나 에이전트 유형과 언어 스타일의 조합이 승객 만족도와 근본적인 신경 메커니즘에 어떤 영향을 미치는지는 여전히 명확하지 않습니다. 이 연구는 실패 후 복구에서 서비스 에이전트 유형과 언어 스타일이라는 두 가지 핵심 요인이 승객 만족도와 그 신경적 상관관계에 어떤 영향을 미치는지 조사하기 위해 이벤트 관련 전위(ERP) 실험을 설계했습니다. 피험자 내 설계는 2(에이전트 유형: 인간/AI) × 2(언어 스타일: 유머러스/합리적) 방식을 사용했습니다. E-Prime 소프트웨어를 사용해 참가자들은 다섯 가지 미리 선정된 흔한 라이드헤일링 서비스 실패 시나리오를 제시받았습니다. 각 시나리오 후에는 에이전트가 표준화된 바우처 보상 제안을 전달했으며, 에이전트 유형과 언어 스타일은 재판마다 체계적으로 다양하게 진행되었습니다. 이 절차는 64채널 뇌파(EEG) 신호를 동시에 기록하고 행동 만족도 평가를 수집하는 것을 포함했습니다. 행동 데이터는 인간 에이전트와 유머러스한 언어 스타일에 대해 더 높은 만족도를 보였음을 나타냈습니다. ERP 결과는 합리적 언어 스타일에서 더 많은 음의 N2 및 피드백 관련 부정성(FRN) 진폭을 유발한 반면, 인간 에이전트와 합리적 스타일은 더 많은 양의 P300 진폭을 유발하는 것을 보였다. 본 연구는 실험 자극의 표준화된 준비, 실험 절차의 정확한 타이밍 제어, 국제 10-20 시스템을 기반으로 한 EEG 기록 준비, 그리고 데이터 수집부터 전처리까지의 완전한 방법론적 파이프라인을 상세히 다룹니다. 이 프로토콜은 높은 시간 해상도와 우수한 재현성을 제공합니다. 이는 소비자 신경과학, 인간-컴퓨터 상호작용, 서비스 관리 연구에 적합하며, 사회적 인지와 의사결정 과정의 근본적인 시간적 역학을 정확히 정량화해야 합니다.

서론

라이드헤일링은 공유 경제의 대표 모델로, 실시간 상호작용과 사용자 경험에 근본적으로 의존하기 때문에 도시 모빌리티 생태계의 필수 요소가 되었습니다. 하지만 운전자의 무례함, 차량 고장, 여행 지연과 같은 서비스 실패는 완전히 없애기 어렵습니다. 이러한 사건들은 종종 예상치 못하고 상황에 따라 달라지며, 승객들의 불만을 쉽게 유발하고 신뢰를 약화시킵니다2. 경쟁이 치열한 시장에서 신속하고 효과적인 서비스 회복은 단순히 즉각적인 문제를 보완하는 데 필요한 단계가 아닙니다; 이는 사용자 신뢰를 회복하고 장기적인 충성도를 유지하는 데 있어 전략적 필수 과제입니다.3.

전통적인 서비스 회복 연구는 주로 설문지나 시나리오 기반 실험과 같은 행동 방법론을 사용해왔습니다. 이 연구들은 만족도와 재구매 의도와 같은 명확한 지표를 측정하여 다양한 회복 전략의 효과를 평가합니다. 이 연구는 상당한 결과를 낳았지만, 주로 소비자의 최종 행동 결과를 관찰하는 데 국한되어 있습니다. 내부 '블랙박스' 과정, 특히 뇌가 서비스 복구 정보를 어떻게 처리하고 평가하며 궁극적으로 의사결정으로 전환하는지에 대한 직접적인 증거는 아직 부족합니다. 즉, 어떤 전략이 효과적인지에 대한 지식은 존재하지만, 그 근본적인 신경인지 메커니즘에 대한 이해는 여전히 제한적입니다. 몇 가지 구체적인 질문이 여전히 남아 있습니다: 인간과 AI 에이전트 간의 차이는 정보 처리 초기 단계에서 나타나는가? 유머러스한 의사소통 방식과 합리적인 소통 방식이 서비스 실패로 인한 부정적 감정을 어떻게 조절하나요? 최종 만족 결정의 기초에 있는 갈등 감지에서 인지 통합에 이르는 완전한 신경 경로는 무엇일까요?

금전적 보상이나 사과 같은 특정 회복 전략이 일반적으로 효과적인 것으로 알려져 있지만, 이러한 전략들이 인지적·정서적 수준에서 왜 그리고 어떻게 작동하는지, 그리고 그 근본적인 역동적 신경 메커니즘에 대한 깊은 이해는 아직 제한적입니다. 이러한 방법론적 격차는 보다 정밀하고 효율적이며 개인화된 서비스 복구 솔루션을 설계하는 능력을 제약합니다. 이 '블랙박스'를 조사하기 위해 본 연구는 사건 관련 잠재력(ERP) 기술을 핵심 방법론적 접근법으로 활용합니다. 특정 자극 사건에 시간 고정된 뇌파 신호를 기록함으로써, ERP는 밀리초 단위의 시간 해상도를 제공하여 인지 처리 중 순간적인 뇌 활동을 비침습적이고 연속적으로 포착할 수 있게 합니다 5,6,7. 기능적 자기공명영상(fMRI)과 비교할 때, ERP는 시간적 정밀도에서 뚜렷한 이점을 제공합니다. 전통적인 자기보고 측정과 비교할 때, ERP는 회고적 편향과 사회적 바람직성 효과를 효과적으로 회피하여 개인의 즉각적·무의식적 신경 반응을 직접적으로 드러낼 수있습니다. 9. 서비스 실패와 복구의 맥락에서, 이는 ERP가 일련의 빠르고 순차적인 심리 과정을 정확히 분리하고 관찰할 수 있게 해준다는 의미입니다. 여기에는 초기 갈등 감지(N2 구성 요소에 반영), 중기 감정 및 결과 평가(FRN 구성 요소에 반영), 후기 고차 인지 통합 및 동기 평가(P300 구성 요소에 반영)가 포함됩니다10,11,12,13,14,15. 따라서 ERP는 서비스 복구 의사결정의 복잡한 신경 메커니즘을 밝히는 데 이상적인 도구입니다.

위에서 제시한 방법론적 고려사항을 바탕으로, 본 논문은 체계적이고 엄격하며 재현 가능한 ERP 실험 프로토콜을 제시합니다. 이 프로토콜은 서비스 에이전트 유형(인간 대 AI)과 언어 스타일(유머러스함 vs. 합리적)이라는 두 가지 주요 서비스 복구 요소가 라이드헤일링 서비스 실패 후 승객 만족도와 그 근본적인 신경 메커니즘에 어떻게 공동으로 영향을 미치는지 조사하기 위해 설계되었습니다. 이 프로토콜은 이전에 라이드헤일링 경험이 있는 대학생들을 모집합니다. 표준 S1-S2 실험 패러다임과 피험자 내 설계 2(에이전트 유형: 인간 vs. AI) × 2(언어 스타일: 유머러스함 vs. 합리적) 디자인을 사용합니다. 서비스 실패 시나리오와 이후 복구 제안을 포함하는 자극은 E-Prime 소프트웨어를 사용하여 표준화된 방식으로 제시됩니다. 이 절차는 64채널 뇌파(EEG) 데이터와 행동 만족도 평가를 동시에 수집하는 과정을 포함합니다.

본 연구는 행동 반응을 조사하고 신경역학적 관점에서 서비스 회복 효과의 뚜렷한 인지 처리 단계를 밝히기 위해 프로토콜을 사용합니다. 예를 들어, 합리적 스타일은 감정적 기대를 위반하여 초기 단계에서 더 강한 갈등 신호와 부정적 피드백을 유발할 수 있으며, 이는 더 많은 부정적인 N2와 FRN 진폭18, 19, 20으로 반영됩니다. 더욱이, 인간 에이전트는 사회적 속성(더 긍정적인 P300 진폭21)으로 인해 후기 통합 단계에서 더 긍정적인 동기 평가를 받을 수 있습니다. 한편, 합리적 언어 스타일은 갈등 해결에 필요한 인지 자원을 증가시킬 가능성이 높으며, 이는 더 큰 P300 진폭22에도 반영될 수 있다.

이 프로토콜은 높은 시간 해상도와 우수한 재현성을 제공합니다. 그 설계 근거와 방법론적 세부사항은 라이드헤일링 서비스 맥락뿐만 아니라 더 넓은 연구 분야에도 참고 자료가 됩니다. 이 분야에는 소비자 신경과학, 인간-컴퓨터 상호작용, 서비스 관리, 커뮤니케이션 연구가 포함됩니다. 따라서 이는 사회적 상호작용과 의사결정의 다양한 맥락에서 인간 뇌의 동적 정보 처리를 정확히 정량화하고 이해하는 데 기여합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

이 연구 프로토콜은 지역 및 기관 윤리 위원회의 승인을 받았으며, 최신 버전의 헬싱키 선언을 준수합니다. 모든 참가자는 참여 전에 서면 동의서를 제출했으며, 권리를 보호하기 위해 언제든지 연구에서 철회할 수 있습니다.

1. 실험적 자극

  1. 서비스 실패 시나리오의 사전 선택
    1. 이전에 라이드헤일링 경험이 있는 대학생 100명을 모집하세요.
    2. 참가자들에게 7점 리커트 척도(1 = 전혀 불만족하지 않음; 7 = 매우 불만족)를 사용해 10가지 흔한 라이드헤일링 서비스 실패 시나리오에 대한 불만족 정도를 평가하도록 요청합니다. 시나리오에는 운전자의 무례함, 차량 고장, 잘못된 목적지, 운전자 지연, 교통사고, 열악한 차량 내 위생, 우회로 이용, 탑승 전 요금 청구, 짐 전달 거부, 차량 내 불쾌한 온도 등이 포함되어야 합니다.
    3. 10개의 시나리오를 평균 불만족 등급에 따라 순위를 매기고, 가장 높은 등급을 받은 상위 50%를 공식 실험 자료로 선정합니다.
    4. 실험에 사용할 다음 다섯 가지 서비스 실패 시나리오를 최종 확정하세요: 운전자 무례함, 차량 고장, 잘못된 목적지, 운전자 지연, 교통사고.
    5. "서비스 실패!"라는 질문과 함께 간단한 텍스트 설명을 통해 참가자들에게 각 선택된 시나리오를 제시합니다.
      참고: 본 구현에서 선택된 시나리오의 평균 불만족 점수는 6.6으로, 하위 50%의 평균 점수(평균 = 3.6)보다 훨씬 높았습니다. 이 차이는 선택된 시나리오가 서비스 실패 인식을 효과적으로 유도하여 실험 자극의 타당성을 뒷받침함을 나타낸다.
  2. 상담원을 위해 두 가지 언어 스타일(유머러스와 합리적)을 설계하세요(인간 고객 서비스 vs. AI 고객 서비스). 이를 통해 보상을 제공하고 고객 서비스 담당자의 이미지를 결합하여 정보를 공개합니다. 예를 들어, 운전자의 서비스 태도가 좋지 않은 상황에서, 유머러스한 언어 스타일은 '운전자가 기분이 나쁘고, 그게 전염된다!'라고 표현합니다. 현금 쿠폰이 나옵니다. 다음에는 꼭 미소를 지으세요!' 합리적 언어 스타일은 '운전자의 불만족스러운 태도에 대해 사과를 하고, 보상으로 현금 쿠폰이 제공된다.'고 명시되어 있습니다. 앞으로의 후원을 환영합니다.'
  3. 모든 실험 이미지를 Adobe Photoshop 2022를 사용해 자극 자료를 표준화하여 그 유효성과 일관성을 보장합니다. 이미지 크기를 2560 × 1440 픽셀, 72 DPI 해상도로 균일하게 조정하세요. 밝기를 85로 보정하고 대비를 +20으로 올려 시각적 간섭을 최소화하세요. 또한, 자극과 관련된 문구를 표준화하고 최적화하여 명확성과 이해 용이성을 보장하여 모호함을 방지하세요.
  4. 모든 자극 자료에 대한 참여자 피드백을 수집하는 파일럿 연구를 수행하세요. 모든 서비스 실패 시나리오가 서비스 실패 인지를 효과적으로 유발하도록 하세요. 유머 상태의 자료가 합리적 조건에 있는 자료보다 인지된 유머 점수가 유의미하게 높으며, 적절성과 자연성 평가에서는 유의미한 차이가 없음을 확인한다. 또한 1250ms의 발표 시간이 참가자들이 자극 텍스트를 읽고 이해하기에 충분한지 확인하세요.
  5. 다양한 언어 스타일 조건에 따라 한자 수로 측정한 텍스트 길이를 맞추고 균형을 맞추세요. 유머러스한 조건과 합리적인 조건 사이에 텍스트 길이에 큰 차이가 없도록 하세요. 텍스트 복잡성이 읽기 시간과 인지 부하에 미치는 혼란 요인 조절.

2. 실험적 절차

  1. 피험자 내 요인 설계 2(에이전트 유형: 인간 vs. AI) × 2(언어 스타일: 유머러스함 vs. 합리적) 요소를 채택하세요.
  2. 실험 서열을 네 가지 서로 다른 버전으로 생성하세요. 각 버전마다 네 가지 실험적 조건(인간-유머러스, 인간-합리적, AI 유머러스, AI-합리적)을 다섯 가지 서비스 실패 시나리오와 결합합니다.
  3. E-Prime에서 120개의 실험을 프로그래밍하고, 60개의 실험 블록으로 나누고, 블록 사이에 필수 120초 휴식 화면을 삽입하며, 각 실험을 다음과 같이 구성합니다:
    1. 화면 중앙에 고정 지점을 500ms까지 표시하세요.
    2. 라이드헤일링 서비스가 1000ms 동안 실패했다는 프롬프트를 제시합니다.
    3. 250ms 동안 빈 화면을 보여줘.
    4. 서비스 에이전트의 신원 공개 정보를 1000ms 동안 표시하세요.
    5. 250ms 동안 빈 화면을 보여줘.
    6. 서비스 에이전트가 유머러스하고 합리적인 언어로 전달하는 사과 스크립트를 1250ms 동안 제공한다.
    7. 250ms 동안 빈 화면을 보여줘.
    8. 참가자에게 서비스 비용과 동일한 쿠폰(탑승권)으로 보상을 제공하세요.
    9. 250ms 동안 빈 화면을 보여줘.
    10. 참가자에게 제안된 해결책에 대한 만족도를 평가해 달라고 요청합니다 (1 = 매우 불만족, 5 = 매우 만족); 평가 인터페이스는 참가자가 선택을 할 때까지 유지됩니다.

figure-protocol-1
그림 1: 실험 절차. 단일 실험 시험의 이벤트 순서와 발표 시간은 왼쪽에서 오른쪽으로 다음과 같이 표시됩니다: 고정 십자가(500ms), 서비스 실패 시나리오 프롬프트(1000ms), 빈 화면(250ms), 서비스 에이전트 유형 정보(1000ms), 빈 화면(250ms), 언어 스타일(1250ms), 빈 화면(250ms), 서비스 복구 전략(바우처 정보, 1250 ms), 빈 화면(250 ms), 그리고 마지막으로 만족도 평가 인터페이스(참가자가 응답할 때까지 표시됨)입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

3. 실험 준비 및 전기생리학적 기록

  1. 실험적 준비
    1. 하얼빈공과대학교에서 20명의 유급 학부 및 대학원생(여성 8명)을 포함 기준에 따라 모집합니다: 오른손잡이, 정상 또는 정상 시력 교정, 정신 및 신경학적 질환 병력 없음, 최근 6개월 내 모발 펴기 또는 염색 이력 없음. 참가자들은 18세에서 28세 사이였으며(M=23.25, SD=±2.23), 각 참가자별로 개별 실험 세션을 예약하세요. 과도한 데이터 인위가 있는 참가자는 추가 분석에서 제외합니다.
    2. 참가자가 실험실에 도착하면 예비 브리핑을 진행합니다. 핵심 장비, 재료, 그리고 완전한 실험 절차를 단계별로 소개하세요. 실험 과제의 구체적인 요구사항, 예상 소요 시간, 중요한 주의사항을 명확히 설명하세요. 참가자가 실험의 강도를 충분히 이해하도록 하세요.
    3. 실험 공식 시작 전에 참가자들에게 서면 동의서를 제공하세요. 참가자들이 실험 시작 전에 양식을 꼼꼼히 읽고 서명하도록 요구하세요.
    4. 참가자에게 지정된 구역에서 중성 샴푸로 머리를 감으라고 지시하여 두피 오일, 먼지 및 전극과 두피 사이의 전도성에 영향을 줄 수 있는 기타 불순물을 제거하세요. 그 후, 실험실에서 제공한 헤어드라이어를 사용해 머리를 완전히 말리도록 지시하며, 습기가 남지 않도록 합니다. 헤어드라이어를 중간 속도(약 1600W)와 일정 온도 모드(약 50°C)로 설정하세요.
    5. 참가자를 전용 EEG 기록 실험실로 안내하세요. 실험실은 전자기 차폐와 높은 방음 기능을 전문적으로 갖추고 있습니다. 에어컨과 주변 조명을 조절하여 실내 온도를 약 22°C로 유지하고 조명을 어둡게 유지하세요. 참가자에게 편안한 의자에 앉으라고 지시하세요. 참가자의 눈과 화면 중앙 사이의 거리를 약 1미터로 유지하세요.
    6. 75% 의료용 알코올 솜과 자극 없는 세안제를 사용하세요. 이 물건들로 참가자 얼굴의 특정 부위를 부드럽게 닦아주세요.
    7. 국제 10-20 시스템에 따라 64개의 Ag/AgCl 전극이 장착된 전극 캡을 참가자의 두피에 위치시킵니다. 캡의 중간선을 참가자의 나시온에서 이니온까지의 선과 일치시킵니다. CZ 전극을 헤드 꼭짓점에 배치하세요. 캡 위치 확인: Fp1과 FP2 전극은 귀 위쪽 약 2cm 위에 위치하고, T3와 T4 전극은 귀 귀 위쪽 약 2cm 위에 위치하세요.
    8. 모든 전극 웰에 전도성 젤을 채우세요. 외부 전극은 의료용 테이프로 고정하세요. 기준 전극을 코 끝에 놓으세요. 수직 안도(VEOG) 전극을 좌안구멍 위아래 약 1cm 위치에 위치시킵니다. 수평 안경도(HEOG) 전극을 각 눈의 외안각에서 약 1cm 옆에 놓으세요. 기록 전극(M1, M2)을 각각 왼쪽과 오른쪽 유방돌기에 위치시킵니다.
    9. 실험 중 전극 이동을 방지하기 위해 전극 캡의 턱끈을 꽉 끼우면서도 편안한 상태로 조절하세요. 그 후 캡이 꼬이거나 회전하지 않도록 최종 위치를 확인하세요.
    10. 녹음 소프트웨어를 임피던스 체크 모드로 전환하세요. 캡 내 모든 전극의 웰에 무딘 팁 주사기를 사용해 전도성 젤을 채웁니다. 각 전극 부위의 털을 부드럽게 갈라서 전극과 두피가 완전히 닿도록 하세요. 각 채널의 임피던스가 10 kΩ 이하로 떨어질 때까지 전극을 지속적으로 조절합니다. 임피던스 값이 허용 범위 내에 표시되어 있는지 확인하세요(일반적으로 임피던스 모니터에 파란색 또는 어두운 색상으로 표시됨).
    11. 실험이 폐쇄적이고 조용한 환경에서 진행될 것임을 참가자들에게 알립니다. 편안한 상태를 유지하고, 안정적인 앉은 자세를 유지하며, 과도한 신체 움직임을 피하고, 실험 내내 집중하도록 지시하세요.
    12. 22인치 LCD 모니터를 사용해 자극을 제시하세요. 화면 주사율을 60Hz로 설정하세요.
  2. E-Prime 소프트웨어 운영 절차
    1. e-studio를 시작하고 프로젝트를 불러오세요. E-Prime 하드웨어 키를 컴퓨터의 USB 포트에 꽂으세요. 데스크톱에서 E-Studio 아이콘을 더블 클릭하면 소프트웨어를 실행합니다. 메뉴 바에서 파일 -> 열기(Open )를 클릭한 후 이 실험을 위한 프로젝트 파일을 선택하세요.
    2. 참여자 정보를 입력하세요. E-Run 시작 인터페이스에서 주제 번호(예: 001), 세션 번호 및 기타 필요한 정보를 정확히 입력하세요.
    3. 연습 세션을 실행하세요. 도구 -> E-Run을 클릭한 후 팝업 창에서 실행 을 선택하세요. 프로그램은 먼저 작업 지침을 표시합니다. 참가자가 실험 절차와 올바른 반응 방법을 명확히 반복할 수 있도록 하세요. 그 다음에는 10번의 연습 시험을 진행하세요. 이 실험들의 구조는 주 실험과 동일합니다. 연습 세션 후, 참가자에게 자극에 제시된 정보를 효과적으로 읽고 이해할 수 있었는지 묻습니다.
    4. 주요 실험을 시작하세요. 연습 시험을 마치면 지시 화면으로 이동하세요. 참가자의 준비가 되었는지 확인한 후, 주요 실험을 시작하기 위해 스페이스바를 누르라고 지시하세요. 주요 실험은 2개 블록으로 나뉘어 120개의 실험으로 구성되며, 각 블록마다 60개의 실험이 할당되도록 하세요. 두 블록 사이에 의무적으로 2분간 휴식 시간을 두세요.
    5. 세션을 모니터링하고 데이터를 저장하세요. 모니터 화면을 통해 옆 방에서 세션 진행 상황을 모니터링하세요. 전체 실험이 완료되면 E-Prime이 자동으로 데이터 파일을 저장하도록 하세요.
  3. 심문 및 보상
    1. EEG 데이터를 저장하고 참가자들의 전극 캡을 제거하세요. 참가자들에게 머리카락과 피부에 남아 있는 전도성 젤을 청소하도록 지시합니다. 머리카락이나 피부에 젤 잔여물이 남지 않도록 하세요. 청소 후 참가자들이 불편함이 없음을 확인하세요.
    2. 실험을 종료하고 참가자들에게 30위안(약 4.50달러)의 보수를 지급합니다.
  4. 데이터 전처리 절차
    1. 데이터를 검사하세요. EEG 데이터를 육안으로 살펴보세요. 유의미한 기준선 드리프트나 심각한 노이즈 아티팩트가 있는 시기는 추가 분석에서 제외합니다.
    2. 정확한 안구 아티팩트. 수직 안구도(VEOG) 채널을 안구 인공물의 기준으로 설정하세요. Scan 소프트웨어의 안구 아티팩트 감소 알고리즘을 적용하여 깜빡임과 눈 움직임 아티팩트를 교정합니다.
    3. 에포크 더 데이터. E-Prime 프로그램이 삽입한 이벤트 마커를 사용해 연속 EEG 데이터를 자극 시작에 시간 고정된 에포크(epochs)로 분할합니다. 에포크 시간 창을 -200 ms(자극 전)에서 +800 ms(자극 후)까지 정의합니다.
    4. 기준선 교정을 수행하세요. 자극 전 200ms 간격을 기준선으로 정의하세요. 스캔 소프트웨어의 기준선 보정 알고리즘을 사용해 자극 후 데이터에서 평균 진폭을 빼냅니다.
    5. 유물을 거부하세요. 분석 창 내에서 신호 진폭이 ±100 μV를 초과하는 시기는 제외하여 근육 활동 및 기타 고진폭 인공물로 인한 오염을 제거한다.
    6. 데이터를 다시 참조하세요. 왼쪽과 오른쪽 유양돌기의 전극에서 평균 신호를 계산합니다. 이 계산된 유양돌기 평균에 오프라인 채널을 다시 참조합니다.
    7. 과목 내 평균 수준. 각 참가자에 대해 동일한 자극 조건에 속하는 모든 아티팩트 없는 시기를 평균화하여 각 개인에 대한 안정적이고 조건별 ERP 파형을 얻습니다.
    8. 필터를 적용하세요. 30Hz 로우패스 필터(24 dB/옥타브 롤오프)를 사용해 평균화된 ERP 파형을 필터링합니다.
    9. 그랜드 평균을 만드세요. 모든 참가자의 각 조건별 개별 평균을 합쳐 대평균 ERP를 만들고, 각 실험 조건의 그룹 수준 파형을 얻습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

그림 2a에서 보듯, 2(서비스 행위자: 인간 vs. AI) ×2(언어 스타일: 유머러스함 vs. 합리적) 반복 측정 결과 만족도 평가에 대한 ANOVA는 서비스 행위자의 유의미한 주효과를 보여주었다. 쌍별 비교 결과, 인간 에이전트에 대한 만족도(3.005)가 AI 에이전트(2.750)보다 높았습니다. 언어 스타일의 중요한 주요 효과도 발견되었습니다. 쌍별 비교 결과, 유머 조건(3.018)의 만족도가 합리적 조건(2.737)보다 높았습니다. 그림 3에서 보듯, 서비스 에이전트와 언어 스타일 간의 상호작용 효과가 유의미했습니다. 추가적인 단순 효과 분석 결과, 유머러스 언어 조건에서 인간 에이전트에 대한 만족도(3.168)가 AI 에이전트(2.868)보다 높았다. 인간 행위자 조건에서는 유머러스 언어 스타일(3.168)에 대한 만족도가 합리적 언어 스타일(2.8...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

본 연구는 행동 측정과 고시간 해상도 ERP 기법을 통합하여, 서비스 에이전트 유형(인간 대 AI)과 언어 스타일(유머러스 대 합리적)이 서비스 회복에 대한 승객 만족도에 영향을 미치는 다단계 인지 및 신경 메커니즘을 체계적으로 밝혀낸다. 행동 결과는 인간 행위자와 유머러스한 언어 스타일이 각각 더 높은 만족도를 높여준다는 것을 보여줍니다. 유의미한 상호작용 효과가 관찰되었는데, 인간 에이전트가 유머러스한 언어 스타일과 짝지어졌을 때 만족도가 가장 높았고, AI 에이전트가 합리적인 언어 스타일을 사용할 때 가장 낮았습니다. 이 발견은 전략 효과성의 경계 조건을 명확히 합니다. 특히, 감정적으로 민감한 서비스 복구 상황에서 표준화된 합리적 언어 스타일을 사용하는 AI 에이전트는 인식된 '감정적 결함'을 증폭시켜 알고리즘 혐오 유발 위험을 높일 수 있다23,24.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 공개할 것이 없습니다.

감사의 글

이 연구는 중국 국가자연과학기금(No. 72001055)의 지원을 받았습니다. 실험에 도움을 준 실험실 412의 모든 동료들께 감사드립니다. ST, XY, JY가 이 연구를 기획하고 설계했습니다. XY와 XZ가 실험을 수행했습니다. XY는 데이터를 분석하고 원고를 작성했습니다. ST는 원고를 검토했다. 모든 저자들이 이 글에 기여했으며 제출된 버전을 승인했습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
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-64국제표준 10-20 시스템에 따라 설치. 코 끝을 온라인 참조로 사용합니다. 모든 채널은 왼쪽과 오른쪽 마스토이드 참조의 평균으로 오프라인 재참조되었습니다. FPz와 Fz 사이의 전극은 접지로 적용되었습니다. 수직 EOG와 수평 EOG는 왼쪽 눈 위와 아래에 있는 10mm 및 양쪽 눈의 외측 안창에 있는 전극으로 기록되었습니다. 모든 전극 임피던스는 10 KΩ 미만으로 유지되었습니다.
E-prime softwarePsychology Software Tools실험 설계, 실험 개시, 자극 제시, 실험 과정 제어 및 행동 데이터 수집에 사용됩니다.
Quik-Gel Conductive GelCompumedics Limited AustraliaRP0002831의학용 전도성 젤. 주요 기능은 뇌파검사(EEG) 신경생리학 검사 중 전극과 두피 또는 피부 사이에 도포하여 저항을 줄이고 전기 신호의 원활한 전도를 보장하여 명확하고 정확한 검사 결과를 얻는 것입니다.
NuprepWeaver and company10-30피부 준비(연마) 젤. 뇌파검사(EEG) 전기생리학 검사 전에 사용되어 피부를 연마하고 세척하여 기름과 각질을 효과적으로 제거하여 피부 임피던스를 감소시키고 전극 신호 전도를 더 명확하고 정확하게 보장합니다.
BD 10ml SyringeBecton, Dickinson and CompanyREF309604표준 10ml 용량 주사기. 전극 캡의 모든 전극의 원통형 캐비티를 전도성 페이스트로 채우는 데 사용되어 두피와 전극 간의 충분한 접촉을 보장합니다.
SalonShine Care ION+DryerPHILIPSHP8206머리카락을 빠르게 건조시키고 음이온 기술을 활용하여 정전기와 곱슬을 줄입니다.
Bee & Flower ShampooShanghai Bee & Flower Daily Necessities Co., Ltd.GB/T 29679부드러운 샴푸. 두피의 과도한 기름과 먼지를 효과적으로 제거하여 실험 간섭을 줄입니다.
75% Alcohol Dezhou Chuangyi Medical Technology Co., Ltd.1378피부 임피던스를 감소시킵니다.
3M Transpore Surgical TapeMinnesota Mining and Manufacturing Medical Devices (Shanghai) Co., Ltd.1527C-1외부 전극을 고정하는 데 사용됩니다.
LCD MonitorDellE2219HN실험 절차와 자극을 표시하는 데 사용되어 사람과 컴퓨터 상호 작용을 위한 중요한 인터페이스 역할을 합니다.

참고문헌

  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).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

EEG

관련 논문