摘 要 人工智能（AI）在內(nèi)容共創(chuàng)中扮演重要角色。然而，相比于與人共創(chuàng)，與AI 共創(chuàng)時(shí)個(gè)體內(nèi)容共創(chuàng)意愿表現(xiàn)出何種差異？基于認(rèn)知負(fù)荷理論和自我效能理論，通過(guò)4 項(xiàng)情景實(shí)驗(yàn)，考察了不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿影響的心理機(jī)制及作用邊界。研究發(fā)現(xiàn)：（1）與AI 共創(chuàng)有助于降低個(gè)體的認(rèn)知負(fù)荷，進(jìn)而提升內(nèi)容共創(chuàng)意愿；與人共創(chuàng)有助于增強(qiáng)個(gè)體的創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。（2）任務(wù)類型調(diào)節(jié)了共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿的影響，即對(duì)于認(rèn)知分析型內(nèi)容共創(chuàng)任務(wù)，與AI 共創(chuàng)有助于提升內(nèi)容共創(chuàng)意愿，而對(duì)于情感社會(huì)型內(nèi)容共創(chuàng)任務(wù)，與人共創(chuàng)有助于提升內(nèi)容共創(chuàng)意愿。

關(guān)鍵詞 人機(jī)共創(chuàng) 內(nèi)容共創(chuàng) 認(rèn)知負(fù)荷 創(chuàng)造自我效能 技術(shù)熟練度

1 前言

乘眾人之智，則無(wú)不任也。共創(chuàng)反映了不同主體的智慧和經(jīng)驗(yàn)通過(guò)聚集與耦合從而實(shí)現(xiàn)價(jià)值共同創(chuàng)造的過(guò)程（Ostrom， 1996）。生成式人工智能（GenAI， 以下簡(jiǎn)稱AI）突破長(zhǎng)期依賴于人類作為共創(chuàng)主體的局限，成為內(nèi)容共創(chuàng)的重要參與者，展現(xiàn)出巨大價(jià)值（Nah et al.， 2023），例如，協(xié)同營(yíng)銷人員設(shè)計(jì)廣告文案，輔助新聞工作者挖掘?qū)懽魉悸?，圍繞用戶需求創(chuàng)作小說(shuō)、繪畫和音樂等作品。盡管AI 在內(nèi)容共創(chuàng)中的貢獻(xiàn)與日俱增，但人們對(duì)其仍持不同態(tài)度。據(jù)福布斯發(fā)布的數(shù)據(jù)顯示，超45% 的受訪者表示會(huì)采用AI 協(xié)助完成任務(wù)，如撰寫電子郵件和創(chuàng)建社交媒體帖子。此外，數(shù)據(jù)也指出有43% 的受訪者對(duì)AI 生成內(nèi)容表示強(qiáng)烈擔(dān)憂，11% 的受訪者不愿意與AI 進(jìn)行合作（Haan，2023）。個(gè)體為何對(duì)AI 參與內(nèi)容共創(chuàng)表現(xiàn)出截然不同的認(rèn)知反應(yīng)？相比于與人共創(chuàng)，與AI 共創(chuàng)對(duì)個(gè)體內(nèi)容共創(chuàng)意愿的影響機(jī)制有何差異？回答這些問題對(duì)激發(fā)人機(jī)內(nèi)容共創(chuàng)價(jià)值具有重要意義。

現(xiàn)有人機(jī)內(nèi)容共創(chuàng)研究多聚集于其內(nèi)涵以及在廣告、新聞和藝術(shù)創(chuàng)作等領(lǐng)域的實(shí)踐探討（鄧建國(guó)，2023; Nah et al.， 2023），鮮有學(xué)者對(duì)人機(jī)內(nèi)容共創(chuàng)意愿進(jìn)行考察。一方面，相關(guān)研究關(guān)注在工業(yè)生產(chǎn)、顧客服務(wù)和醫(yī)療診斷等任務(wù)情景，考察個(gè)體對(duì)工業(yè)機(jī)器人、服務(wù)機(jī)器人和臨床決策支持系統(tǒng)的協(xié)作意愿（Arntz et al.， 2022; Knop et al.， 2022; Paluch et al.，2022）。然而，與上述遵循固定規(guī)則和分工的任務(wù)不同，內(nèi)容共創(chuàng)任務(wù)強(qiáng)調(diào)人機(jī)互動(dòng)的深度和靈活性，通過(guò)雙向互動(dòng)和實(shí)時(shí)反饋持續(xù)創(chuàng)造內(nèi)容（Nah et al.，2023）。因此，相關(guān)成果難以有效解釋人機(jī)內(nèi)容共創(chuàng)意愿。另一方面，內(nèi)容共創(chuàng)領(lǐng)域研究多探討人類成員間的認(rèn)知資源共享和人際互動(dòng)對(duì)內(nèi)容共創(chuàng)意愿的影響（Shin et al.， 2020; Zhao et al.， 2015），缺乏對(duì)人機(jī)內(nèi)容共創(chuàng)意愿的關(guān)注，特別是不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿影響的研究存在不足。本文結(jié)合研究情境將內(nèi)容共創(chuàng)意愿定義為個(gè)體愿意投入自身資源和努力與相關(guān)主體合作完成內(nèi)容創(chuàng)作任務(wù)的程度（Song et al.， 2023），并考察不同共創(chuàng)主體下的個(gè)體內(nèi)容共創(chuàng)意愿。

作為數(shù)字機(jī)器，AI 具備與人類截然不同的生態(tài)系統(tǒng)（數(shù)字vs. 生物），因此，在內(nèi)容共創(chuàng)中展現(xiàn)出差異性的認(rèn)知和情感能力（Korteling et al.，2021）。AI 是通過(guò)大規(guī)模數(shù)據(jù)訓(xùn)練形成的數(shù)字智能，能迅速提取和分析大量信息，彌補(bǔ)個(gè)體在知識(shí)認(rèn)知和生產(chǎn)效率上的不足，減輕認(rèn)知壓力（Korteling etal.， 2021）。而人類的生物大腦在心理和情感互動(dòng)方面表現(xiàn)出更高的效能（Nah et al.， 2023），促進(jìn)共創(chuàng)主體間的心理互動(dòng)與情感聯(lián)結(jié)，相互啟發(fā)以激活個(gè)體創(chuàng)作靈感。鑒于此，本文借鑒認(rèn)知負(fù)荷理論和自我效能理論，提出不同共創(chuàng)主體通過(guò)影響個(gè)體的認(rèn)知負(fù)荷和創(chuàng)造自我效能進(jìn)而作用于內(nèi)容共創(chuàng)意愿。進(jìn)一步，引入任務(wù)類型作為調(diào)節(jié)變量，揭示不同任務(wù)情景下不同共創(chuàng)主體對(duì)內(nèi)容共創(chuàng)意愿的作用差異。研究豐富了人機(jī)內(nèi)容共創(chuàng)的理論成果，對(duì)激發(fā)人機(jī)共創(chuàng)價(jià)值具有啟示意義。

1.1 共創(chuàng)主體與內(nèi)容共創(chuàng)意愿：認(rèn)知負(fù)荷的中介作用

認(rèn)知負(fù)荷是指?jìng)€(gè)體在特定時(shí)間內(nèi)為完成任務(wù)而投入的認(rèn)知資源總量（Sweller， 1988）。人類認(rèn)知系統(tǒng)能夠處理的信息量較為有限，過(guò)高的認(rèn)知負(fù)荷會(huì)導(dǎo)致認(rèn)知超載，而有效分配認(rèn)知資源有助于降低個(gè)體認(rèn)知負(fù)荷，提升任務(wù)執(zhí)行的積極性（Sweller，1988）。在內(nèi)容共創(chuàng)情景中，本文認(rèn)為，相比于與人共創(chuàng)，與AI 共創(chuàng)更能實(shí)現(xiàn)個(gè)體認(rèn)知資源的優(yōu)化配置，降低認(rèn)知負(fù)荷，提升內(nèi)容共創(chuàng)意愿。原因在于，AI 借助信息檢索和抓取算法從文本、圖像和音頻中提取關(guān)鍵信息，并利用自動(dòng)化的內(nèi)容生成技術(shù)，迅速將多元信息整合成結(jié)構(gòu)化內(nèi)容（馮文琪等， 2024;Dwivedi et al.， 2023）。這種方式有助于減輕個(gè)體在海量數(shù)據(jù)中搜索可用信息的認(rèn)知負(fù)荷，使個(gè)體更專注于創(chuàng)意和啟發(fā)性工作（裘江南等， 2024）。此外，研究證實(shí)，較低的認(rèn)知負(fù)荷有利于緩解個(gè)體在執(zhí)行任務(wù)過(guò)程中的心理壓力和緊張感（Sweller， 1988），確保個(gè)體有相對(duì)充足的認(rèn)知資源專注于任務(wù)本身，進(jìn)而提升內(nèi)容共創(chuàng)的積極性。因此，我們提出如下假設(shè)。

H1：相比于與人共創(chuàng)，與AI 共創(chuàng)有助于降低個(gè)體的認(rèn)知負(fù)荷，進(jìn)而提升內(nèi)容共創(chuàng)意愿。

1.2 共創(chuàng)主體與內(nèi)容共創(chuàng)意愿：創(chuàng)造自我效能的中介作用

創(chuàng)造自我效能反映了個(gè)體根據(jù)任務(wù)要求提出新穎、原創(chuàng)和適宜的想法或解決方案的能力信念（趙建彬， 2023; Tierney amp; Farmer， 2002）。個(gè)體創(chuàng)造自我效能的形成與他人的情感支持緊密相關(guān)。例如，領(lǐng)導(dǎo)的自主支持（Tierney amp; Farmer， 2002）和團(tuán)隊(duì)成員的言語(yǔ)鼓勵(lì)（Shin et al.， 2012）均有助于激發(fā)個(gè)體的創(chuàng)造自我效能。內(nèi)容共創(chuàng)反映了不同主體的知識(shí)聚集與創(chuàng)造過(guò)程，因此，共創(chuàng)主體的情感支持對(duì)增強(qiáng)個(gè)體的創(chuàng)造自我效能至關(guān)重要。盡管AI 能夠理解用戶指令并生成充滿情感的文字，但這僅是基于對(duì)大量情感性語(yǔ)料的學(xué)習(xí)和模仿，在心理互動(dòng)和情感反應(yīng)方面仍存在不足（Dwivedi et al.， 2023），難以提供個(gè)體有效的情感性支持。相比之下，人類在心理互動(dòng)和情感表達(dá)上具有優(yōu)勢(shì)，這使得共創(chuàng)主體之間能夠更深入地分享彼此對(duì)內(nèi)容創(chuàng)作的觀點(diǎn)和建議，為對(duì)方提供有效的情感支持。這種情感性支持有助于個(gè)體從已有知識(shí)結(jié)構(gòu)中尋找關(guān)聯(lián)并產(chǎn)生新穎想法（De Dreu et al.， 2008）。此外，研究表明，當(dāng)個(gè)體認(rèn)為自身具有更高的創(chuàng)造力時(shí)，更能積極地應(yīng)對(duì)挑戰(zhàn)并主動(dòng)完成任務(wù)（Tierney amp; Farmer， 2002）。鑒于此，本文提出如下假設(shè)。

H2：相比于與AI 共創(chuàng)，與人共創(chuàng)有助于提高個(gè)體的創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。

1.3 任務(wù)類型的調(diào)節(jié)作用

根據(jù)任務(wù)的認(rèn)知分析和情感社會(huì)成分差異，學(xué)者們通常將任務(wù)類型劃分為認(rèn)知分析型和情感社會(huì)型（尹萌， 牛雄鷹， 2024; Huang amp; Rust， 2018; Wirtzet al.， 2018）。認(rèn)知分析型任務(wù)對(duì)復(fù)雜信息處理和數(shù)據(jù)計(jì)算能力具有較高要求，完成此類任務(wù)需要消耗大量認(rèn)知性資源。而情感社會(huì)型任務(wù)對(duì)情緒智力和情感溝通能力具有較高要求，完成此類任務(wù)需要投入更多情感性資源（Huang amp; Rust， 2018; Wirtz etal.， 2018）。研究表明，在認(rèn)知分析型任務(wù)中，以AI 為主導(dǎo)的人機(jī)協(xié)作模式能有效提高任務(wù)完成效率，而在情感社會(huì)型任務(wù)中，以人類為主導(dǎo)的人機(jī)協(xié)作模式，有助于發(fā)揮人類在情感表達(dá)和創(chuàng)造性思維上的優(yōu)勢(shì)以更好地滿足任務(wù)需求（尹萌， 牛雄鷹，2024）。參考已有研究成果，本文將內(nèi)容共創(chuàng)任務(wù)同樣劃分為認(rèn)知分析型和情感社會(huì)型，認(rèn)知分析型任務(wù)更強(qiáng)調(diào)以規(guī)則化和邏輯化為導(dǎo)向的內(nèi)容生成任務(wù)，而情感社會(huì)型更突出以體驗(yàn)性和情境性為導(dǎo)向的內(nèi)容生成任務(wù)（Huang amp; Rust， 2018; Wirtz et al.，2018）。

對(duì)于認(rèn)知分析型內(nèi)容共創(chuàng)任務(wù)，個(gè)體更關(guān)注于總結(jié)內(nèi)容創(chuàng)作的一般規(guī)律，以提升任務(wù)完成效率并減輕認(rèn)知消耗（Huang amp; Rust， 2018）。與AI 共創(chuàng)，有助于個(gè)體充分利用AI 的規(guī)則執(zhí)行和邏輯推理能力，快速分析和處理結(jié)構(gòu)化數(shù)據(jù)（Nah et al.，2023），從而降低認(rèn)知資源消耗，提升內(nèi)容共創(chuàng)意愿。此外，個(gè)體在認(rèn)知分析型任務(wù)中較少需要投入情緒智力和創(chuàng)造性思維等資源（Huang amp; Rust，2018），因此，不同共創(chuàng)主體對(duì)個(gè)體創(chuàng)造自我效能的影響可能無(wú)顯著差異。對(duì)于情感社會(huì)型內(nèi)容共創(chuàng)任務(wù)，個(gè)體更關(guān)注于創(chuàng)作更加契合情境的新穎性內(nèi)容（Huang amp; Rust， 2018）。與人共創(chuàng)，有助于促進(jìn)共創(chuàng)主體間的觀點(diǎn)分享和情感互動(dòng)，提高創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。此外，AI 在情境理解和互動(dòng)能力上存在不足，難以在情感社會(huì)型任務(wù)中發(fā)揮其信息處理優(yōu)勢(shì)（Dwivedi et al.， 2023;Korteling et al.， 2021），因此，不同共創(chuàng)主體對(duì)個(gè)體認(rèn)知負(fù)荷的影響可能無(wú)顯著差異。鑒于此，本文提出如下假設(shè)。

H3：任務(wù)類型調(diào)節(jié)了共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿的影響。

H3a：對(duì)于認(rèn)知分析型內(nèi)容共創(chuàng)任務(wù)，相比于與人共創(chuàng)，與AI 共創(chuàng)有助于降低個(gè)體的認(rèn)知負(fù)荷，進(jìn)而提升內(nèi)容共創(chuàng)意愿，而不同共創(chuàng)主體對(duì)創(chuàng)造自我效能的影響差異不顯著。

H3b：對(duì)于情感社會(huì)型內(nèi)容共創(chuàng)任務(wù)，相比于與AI 共創(chuàng)，與人共創(chuàng)有助于提高個(gè)體的創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿，而不同共創(chuàng)主體對(duì)認(rèn)知負(fù)荷的影響差異不顯著。

本文的研究框架如圖1 所示。

2 實(shí)驗(yàn)1 共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿的影響

2.1 實(shí)驗(yàn)設(shè)計(jì)與被試

實(shí)驗(yàn)1 采用單因素組間設(shè)計(jì)（共創(chuàng)主體類型：人vs. AI），考察不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿的影響機(jī)制。采用G*Power 3.1 計(jì)算所需樣本量為128（組數(shù)為2、效應(yīng)量為.25、顯著性水平為.05，power 值為.80）。某綜合性大學(xué)180 名具有生成式AI 使用經(jīng)歷的被試參與實(shí)驗(yàn)，通過(guò)注意力篩查后得到168 份有效問卷（Mage = 20.95 歲， SD = 1.85 歲;男性47.02%）。

2.2 實(shí)驗(yàn)程序與變量測(cè)量

首先，被試隨機(jī)分配到人人共創(chuàng)組和人機(jī)共創(chuàng)組，并請(qǐng)被試閱讀對(duì)應(yīng)的情景材料并想象：“一年一度的中秋佳節(jié)即將來(lái)臨，學(xué)校計(jì)劃通過(guò)官方社交媒體平臺(tái)發(fā)布以“團(tuán)圓月下，中秋心連”為主題的中秋專題報(bào)道活動(dòng)，而你作為校學(xué)生會(huì)媒體宣傳部成員，需要你和你部門一位同學(xué)（vs. AI）共同合作完成推文的撰寫”。人人共創(chuàng)組和人機(jī)共創(chuàng)組分別強(qiáng)調(diào)與同學(xué)和生成式AI 進(jìn)行合作。在閱讀情景材料后，被試填寫認(rèn)知負(fù)荷、創(chuàng)造自我效能和內(nèi)容共創(chuàng)意愿等題項(xiàng)。此外，實(shí)驗(yàn)測(cè)量了任務(wù)熟悉度和復(fù)雜度以控制外部因素干擾。最后，填寫個(gè)人信息。

認(rèn)知負(fù)荷借鑒NASA-TLX 六項(xiàng)量表（Hart amp;Staveland， 1988），代表性題項(xiàng)為“在完成此任務(wù)過(guò)程中我需要投入很多的思考”。創(chuàng)造自我效能借鑒Tierney 和Farmer（2002）的三項(xiàng)量表，代表性題項(xiàng)為“我對(duì)創(chuàng)造性地完成此任務(wù)很有信心”。內(nèi)容共創(chuàng)意愿借鑒You 和Robert（2018）的三項(xiàng)量表，代表性題項(xiàng)為“我認(rèn)為與AI（vs. 人類）共同完成此內(nèi)容創(chuàng)作任務(wù)是一個(gè)好的選擇”。任務(wù)熟悉度和復(fù)雜度各設(shè)計(jì)一個(gè)題項(xiàng)，“此任務(wù)對(duì)我而言是熟悉的”和“此任務(wù)對(duì)我而言是復(fù)雜的”。以上題項(xiàng)均采用7 點(diǎn)量表進(jìn)行測(cè)量。

2.3 結(jié)果分析

信效度與共同方法偏差檢驗(yàn)。各變量的Cronbach' s α 值介于.88～.98 之間，標(biāo)準(zhǔn)因子載荷系數(shù)均大于.60，AVE 值均大于.50 且平方根均顯著大于其與其他變量的相關(guān)系數(shù)，量表信效度較好。Harman 單因子檢驗(yàn)結(jié)果表明，因子分析未旋轉(zhuǎn)時(shí)第一個(gè)主成分的載荷量為38.83%（lt; 50.00%），不存在嚴(yán)重的共同方法偏差問題。

基礎(chǔ)效應(yīng)檢驗(yàn)。以認(rèn)知負(fù)荷和創(chuàng)造自我效能為因變量，共創(chuàng)主體類型為自變量，性別、年齡、任務(wù)熟悉度和復(fù)雜度為協(xié)變量進(jìn)行方差分析。結(jié)果表明，與人共創(chuàng)相比，與AI 共創(chuàng)顯著降低個(gè)體認(rèn)知負(fù)荷（MAI = 3.93， SD = 1.73， M 人 = 5.06， SD = 1.29，F(xiàn) （1， 162） = 23.47， p lt; .001， ηp2 = .13）。與AI 共創(chuàng)相比，與人共創(chuàng)顯著提升個(gè)體創(chuàng)造自我效能（MAI =4.39， SD = 1.41， M 人 = 5.79， SD = .85， F （1， 162） = 53.68，p lt; .001， ηp2 = .25）。認(rèn)知負(fù)荷和創(chuàng)造自我效能與內(nèi)容共創(chuàng)意愿回歸分析顯示，認(rèn)知負(fù)荷負(fù)向預(yù)測(cè)內(nèi)容共創(chuàng)意愿（β = -.50， t （167） = -15.07， p lt; .001），創(chuàng)造自我效能正向預(yù)測(cè)內(nèi)容共創(chuàng)意愿（β = .58， t （167）=14.19， p lt; .001）。

中介效應(yīng)檢驗(yàn)。借鑒Hayes（2017）的中介效應(yīng)檢驗(yàn)方法，以共創(chuàng)主體類型為自變量，內(nèi)容共創(chuàng)意愿為因變量，認(rèn)知負(fù)荷和創(chuàng)造自我效能為中介變量共同代入中介檢驗(yàn)?zāi)Ｐ停∕odel 4，Bootstrapping5000 次）。結(jié)果顯示，認(rèn)知負(fù)荷和創(chuàng)造自我效能在共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿影響過(guò)程中發(fā)揮中介作用，中介效應(yīng)值分別為.28（95% CI = [.14， .45]， 不包含0）和-.68（95% CI = [-.97， -.41]， 不包含0），詳細(xì)路徑系數(shù)如圖2 所示。

2.4 討論

實(shí)驗(yàn)1 證實(shí)H1 和H2，即與AI 共創(chuàng)有助于降低認(rèn)知負(fù)荷，進(jìn)而提升內(nèi)容共創(chuàng)意愿；與人共創(chuàng)有助于提高創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。此外，有研究指出新奇價(jià)值和心理慣性是影響個(gè)體AI 使用意愿的潛在因素，實(shí)驗(yàn)2 對(duì)這一潛在影響進(jìn)行分析。

3 實(shí)驗(yàn)2 復(fù)驗(yàn)共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿的影響

3.1 實(shí)驗(yàn)設(shè)計(jì)與被試

實(shí)驗(yàn)2 目的：一是更換研究的樣本群體和任務(wù)情景，增強(qiáng)研究普適性；二是檢驗(yàn)替代性中介解釋。通過(guò)Credamo 平臺(tái)招募220 名具有生成式AI 使用經(jīng)歷的被試參與實(shí)驗(yàn)，通過(guò)注意力篩查后得到216份有效問卷（Mage = 26.63 歲， SD = 5.27 歲; 男性46.76%）。

3.2 實(shí)驗(yàn)程序與變量測(cè)量

首先，被試隨機(jī)分配到人人共創(chuàng)組和人機(jī)共創(chuàng)組，并請(qǐng)被試閱讀對(duì)應(yīng)的情景材料并想象：“為充分響應(yīng)綠色理念，以行動(dòng)踐行“雙碳”戰(zhàn)略，本地環(huán)境保護(hù)協(xié)會(huì)計(jì)劃舉行以“減少碳排放、共享新生活”為主題的低碳宣傳活動(dòng)，而你作為環(huán)境保護(hù)協(xié)會(huì)宣傳部成員，為了能夠更好地激發(fā)居民的低碳環(huán)保意識(shí)，需要你和你部門一位同事（vs. AI）共同合作，圍繞節(jié)約水資源、杜絕食物浪費(fèi)和垃圾分類處理等內(nèi)容設(shè)計(jì)系列宣傳文案”。測(cè)量程序與實(shí)驗(yàn)1 相同，增加新奇價(jià)值和心理慣性的測(cè)量，最后，被試填寫個(gè)人信息并領(lǐng)取1 元實(shí)驗(yàn)報(bào)酬。

新奇價(jià)值借鑒Ma 和Huo（2023）的四項(xiàng)量表，代表性題項(xiàng)為“我認(rèn)為和AI（人類）共創(chuàng)是一種新奇的體驗(yàn)”。心理慣性借鑒Polites 和Karahanna（2012）的量表，設(shè)計(jì)3 個(gè)題項(xiàng)，代表性題項(xiàng)為“我認(rèn)為和AI（人類）共創(chuàng)讓我感到很習(xí)慣”。

3.3 結(jié)果分析

信效度與共同方法偏差檢驗(yàn)。各變量的Cronbach' s α 值介于.82 ～ .97 之間，標(biāo)準(zhǔn)因子載荷系數(shù)均大于.60，AVE 值均大于.50 且平方根顯著大于其與其他變量的相關(guān)系數(shù)，量表信效度較好。第一個(gè)主成分的載荷量為39.64%（lt;50.00%），不存在嚴(yán)重的共同方法偏差問題。

基礎(chǔ)效應(yīng)檢驗(yàn)。分析顯示，與人共創(chuàng)相比，與AI 共創(chuàng)降低個(gè)體的認(rèn)知負(fù)荷（MAI = 4.07， SD = 1.77，M 人 = 5.22， SD = 1.18， F （1， 210） = 29.91， p lt; .001， ηp2=.13），也削弱了創(chuàng)造自我效能（MAI = 4.67， SD = 1.43，M 人 = 5.76， SD = .88， F （1， 210） = 46.05， p lt; .001， ηp2 =.18）。同時(shí)，個(gè)體感知到更高的新奇價(jià)值（MAI = 4.96，SD = 1.18， M 人 = 3.06， SD = 1.20， F （1， 210） = 129.93， plt; .001， ηp2= .38）和較低的心理慣性（MAI = 4.66， SD= 1.39， M 人 = 5.59， SD = .90， F （1， 210） = 31.68， p lt; .001，ηp2= .13）?；貧w分析結(jié)果顯示，認(rèn)知負(fù)荷負(fù)向預(yù)測(cè)個(gè)體內(nèi)容共創(chuàng)意愿（β = -.47， t （215） = -17.18， p lt;.001），創(chuàng)造自我效能正向預(yù)測(cè)個(gè)體內(nèi)容共創(chuàng)意愿（β= .63， t （215） = 20.74， p lt; .001）。而新奇價(jià)值（β = -.04，t （215） = -.80， p gt; .05）和心理慣性（β = -.01， t （215） =-.10， p gt; .05）對(duì)內(nèi)容共創(chuàng)意愿影響不顯著。

中介效應(yīng)檢驗(yàn)。認(rèn)知負(fù)荷和創(chuàng)造自我效能在共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿影響過(guò)程中的中介作用顯著，中介效應(yīng)值分別為.17（95% CI = [.08， .28]， 不包含0）和-.63（95% CI = [-.86， -.43]， 不包含0）。新奇價(jià)值（b = -.14， 95% CI = [-.31， .02]， 包含0）和心理慣性（b = .06， 95% CI = [-.01， .14]， 包含0）的中介作用不顯著，替代性中介解釋排除。

3.4 討論

實(shí)驗(yàn)2 再次證實(shí)H1 和H2，并排除了新奇價(jià)值和心理慣性的中介解釋。然而，不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿的影響在不同任務(wù)情景下是否一致？實(shí)驗(yàn)3 對(duì)此進(jìn)行檢驗(yàn)。

4 實(shí)驗(yàn)3 任務(wù)類型的調(diào)節(jié)作用

4.1 預(yù)實(shí)驗(yàn)

預(yù)實(shí)驗(yàn)旨在篩選和確定不同類型的內(nèi)容共創(chuàng)任務(wù)。在Credamo 平臺(tái)招募116 名被試參與預(yù)實(shí)驗(yàn)（Mage= 25.78 歲， SD = 7.55 歲; 男性45.69%）。首先，向被試展示10 項(xiàng)常見的內(nèi)容共創(chuàng)任務(wù)。其次，請(qǐng)被試依次對(duì)10 項(xiàng)任務(wù)的認(rèn)知分析和情感社會(huì)屬性及熟悉度和復(fù)雜度進(jìn)行打分，任務(wù)類型測(cè)量題項(xiàng)為“我認(rèn)為此任務(wù)是強(qiáng)調(diào)規(guī)則化和邏輯化的內(nèi)容創(chuàng)作任務(wù)”和“我認(rèn)為此任務(wù)是強(qiáng)調(diào)體驗(yàn)性和情境性的內(nèi)容創(chuàng)作任務(wù)”。任務(wù)熟悉度和復(fù)雜度測(cè)量題項(xiàng)與實(shí)驗(yàn)1一致，均采用7 級(jí)量表測(cè)量。

統(tǒng)計(jì)結(jié)果顯示，軟件代碼（M 認(rèn)知 = 6.17， M 情感 =1.35， p lt; .001）、市場(chǎng)調(diào)研報(bào)告（M 認(rèn)知 = 5.72， M 情感 = 3.45， p lt; .001）和科普文章（M 認(rèn)知 = 5.22， M 情感 =3.83， p lt; .001）等獲得較高的認(rèn)知分析屬性得分。而小說(shuō)故事（M 認(rèn)知= 2.67， M 情感 = 5.88， p lt; .001）、美食推廣文案（M 認(rèn)知 = 2.80， M 情感 = 5.78， p lt; .001）和團(tuán)建活動(dòng)策劃（M 認(rèn)知 = 3.15， M 情感 = 5.55， p lt; .001）等獲得較高的情感社會(huì)屬性得分。為排除任務(wù)熟悉度和復(fù)雜度的影響，正式實(shí)驗(yàn)選擇熟悉度（M 科普文章= 5.39， M 小說(shuō)故事 = 5.18， p gt; .05）和復(fù)雜度（M 科普文章 =3.58， M 小說(shuō)故事 = 3.53， p gt; .05）較為接近的科普文章和小說(shuō)故事作為認(rèn)知分析型和情感社會(huì)型內(nèi)容共創(chuàng)任務(wù)的情景材料。

4.2 正式實(shí)驗(yàn)

4.2.1 實(shí)驗(yàn)?zāi)康呐c被試

實(shí)驗(yàn)3 采用2（共創(chuàng)主體類型：人vs. AI）×2（任務(wù)類型：認(rèn)知分析vs. 情感社會(huì)）組間因子設(shè)計(jì)。采用G*Power 3.1 計(jì)算所需樣本量為180。通過(guò)Credamo 平臺(tái)招募280 名具有生成式AI 使用經(jīng)歷的被試參與實(shí)驗(yàn)，通過(guò)注意力篩查后得到272份有效問卷（Mage = 23.77 歲， SD = 3.86 歲; 男性46.32%）。

4.2.2 實(shí)驗(yàn)程序與變量測(cè)量

被試隨機(jī)分配到四組中的任意一組。在認(rèn)知分析型任務(wù)組中，被試閱讀實(shí)驗(yàn)材料并想象：“《健康》是一本聚焦于人類健康的科普類雜志，近期計(jì)劃出版一篇以健康飲食為主題的科普文章，而你作為該雜志的編輯部成員，需要你和你的部門一位同事（vs.AI）共同合作，圍繞健康飲食的內(nèi)涵、人體營(yíng)養(yǎng)要素的構(gòu)成和均衡飲食的原則等內(nèi)容撰寫文章”。在情感社會(huì)型任務(wù)組中，被試閱讀實(shí)驗(yàn)材料并想象：“《成長(zhǎng)》是一本聚焦于成長(zhǎng)故事的小說(shuō)類雜志，近期計(jì)劃出版一篇以個(gè)體成長(zhǎng)歷程為主題的小說(shuō)故事，而你作為該雜志的編輯部成員，需要你和你的部門一位同事（vs. AI）共同合作，圍繞人物的生活背景、挫折困境和自我成長(zhǎng)等內(nèi)容撰寫故事”。與實(shí)驗(yàn)1 程序相同，請(qǐng)被試對(duì)測(cè)量題項(xiàng)進(jìn)行打分，隨后提供個(gè)人信息并領(lǐng)取1 元實(shí)驗(yàn)報(bào)酬。

4.2.3 結(jié)果分析

信效度與共同方法偏差檢驗(yàn)。各變量的Cronbach's α 值介于.91～.97 之間，標(biāo)準(zhǔn)因子載荷系數(shù)均大于.60，AVE 值均大于.50 且平方根顯著大于其與其他變量的相關(guān)系數(shù)，量表信效度較好。第一個(gè)主成分的載荷量為41.40%（lt;50.00%），不存在嚴(yán)重的共同方法偏差問題。

操縱檢驗(yàn)。任務(wù)類型操縱有效，科普文章組的認(rèn)知分析屬性得分更高（M 認(rèn)知分析 = 5.19， SD = 1.45，M 情感社會(huì) = 2.66 ， SD = 1.34， t （270）= 14.95， p lt; .001，Cohen's d = 1.81），而小說(shuō)故事組的情感社會(huì)屬性得分更高（M 認(rèn)知分析 = 3.76， SD = 1.88， M 情感社會(huì) = 5.71，SD = 1.04， t （270）= 10.54， p lt; .001， Cohen's d = 1.28）。

調(diào)節(jié)效應(yīng)檢驗(yàn)。雙因素方差分析表明，共創(chuàng)主體類型與任務(wù)類型對(duì)認(rèn)知負(fù)荷的交互作用顯著，F(xiàn) （1， 264） = 20.39， p lt; .001。簡(jiǎn)單效應(yīng)分析表明（圖3），對(duì)于認(rèn)知分析型任務(wù)，與AI 共創(chuàng)有助于降低認(rèn)知負(fù)荷（M 人 = 4.93， SD = 1.10， M AI = 3.34， SD = 1.51，F(xiàn) （1， 130） = 49.08， p lt; .001， ηp2 = .27），而對(duì)于情感社會(huì)型任務(wù)，不同共創(chuàng)主體對(duì)認(rèn)知負(fù)荷的影響無(wú)顯著差異（M 人 = 4.86， SD = 1.26， M AI = 4.73， SD = 1.45，F(xiàn) （1， 130） = .25， p gt; .05）。共創(chuàng)主體類型與任務(wù)類型對(duì)創(chuàng)造自我效能的交互作用顯著，F(xiàn) （1， 264） = 14.16，p lt; .001。簡(jiǎn)單效應(yīng)分析表明（圖4），對(duì)于認(rèn)知分析型任務(wù)，不同共創(chuàng)主體對(duì)創(chuàng)造自我效能的影響無(wú)顯著差異（M 類 = 4.80， SD = 1.52， M AI = 4.66， SD =1.50， F （1， 130） = .37， p gt; .05。而對(duì)于情感社會(huì)型任務(wù)，與人共創(chuàng)有助于提升創(chuàng)造自我效能（M 人 = 5.27，SD = 1.18， M AI = 3.71， SD = 1.63， F （1， 130） = 40.72， plt; .001， ηp2 = .24）

有調(diào)節(jié)的中介檢驗(yàn)。借鑒Hayes（2017）有調(diào)節(jié)的中介效應(yīng)檢驗(yàn)方法，以共創(chuàng)主體類型為自變量，內(nèi)容共創(chuàng)意愿為因變量，認(rèn)知負(fù)荷和創(chuàng)造自我效能為中介變量，任務(wù)類型為調(diào)節(jié)變量共同代入中介檢驗(yàn)?zāi)Ｐ停∕odel 7， Bootstrapping 5000 次）。結(jié)果表明，對(duì)于認(rèn)知分析型任務(wù)，認(rèn)知負(fù)荷中介作用顯著，中介效應(yīng)值為.62，95% CI = [.39， .90]，不包含0，而創(chuàng)造自我效能中介作用不顯著，b = -.04， 95% CI =[-.12， .19]， 包含0。對(duì)于情感社會(huì)型任務(wù)，創(chuàng)造自我效能中介作用顯著，中介效應(yīng)值為-.46，95% CI =[-.72， -.24]， 不包含0，而認(rèn)知負(fù)荷中介作用不顯著，b = .05，95% CI = [-.14， .23]， 包含0，詳細(xì)路徑系數(shù)如圖5 所示。

4.2.4 討論

實(shí)驗(yàn)3 證實(shí)H3、H3a 和H3b，即任務(wù)類型在共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿影響過(guò)程中發(fā)揮調(diào)節(jié)作用。研究指出，人機(jī)共創(chuàng)的內(nèi)容質(zhì)量與個(gè)體提問能力有關(guān)（鄧建國(guó)， 2023）。因此，本文推測(cè)個(gè)體內(nèi)容共創(chuàng)意愿可能受技術(shù)熟練度影響，補(bǔ)充性實(shí)驗(yàn)4來(lái)驗(yàn)證這一推論。

5 實(shí)驗(yàn)4 技術(shù)熟練度的調(diào)節(jié)作用

5.1 實(shí)驗(yàn)設(shè)計(jì)與被試

實(shí)驗(yàn)4 采用組間與組內(nèi)混合設(shè)計(jì)，共創(chuàng)主體類型為組間變量，技術(shù)熟練度為組內(nèi)變量，旨在探討技術(shù)熟練度的調(diào)節(jié)作用。通過(guò)Credamo 平臺(tái)招募180 名有效被試參與實(shí)驗(yàn)（Mage = 24.42 歲，SD = 4.91歲; 男性43.89%）。

5.2 實(shí)驗(yàn)程序與變量測(cè)量

實(shí)驗(yàn)程序與實(shí)驗(yàn)2 一致，請(qǐng)被試閱讀情景材料并想象與AI（vs. 人類）合作完成以環(huán)境保護(hù)為主題的系列宣傳文案，并填寫認(rèn)知負(fù)荷、創(chuàng)造自我效能、內(nèi)容共創(chuàng)意愿和技術(shù)熟練度等題項(xiàng)。技術(shù)熟練度借鑒Weigel 和Hazen（2014）的研究，圍繞生成式AI特點(diǎn)設(shè)計(jì)6 個(gè)題項(xiàng)，代表性題項(xiàng)為“我能夠準(zhǔn)確地描述生成式AI 的提問指令”。其他測(cè)量題項(xiàng)與實(shí)驗(yàn)2 一致。

5.3 結(jié)果分析

信效度與共同方法偏差檢驗(yàn)。各變量的Cronbach's α 值介于.86～.94 之間，標(biāo)準(zhǔn)因子載荷系數(shù)均大于.60，AVE 值均大于.50 且平方根顯著大于其與其他變量的相關(guān)系數(shù)，量表信效度較好。第一個(gè)主成分的載荷量為49.74%（lt; 50.00%），不存在嚴(yán)重的共同方法偏差問題。

調(diào)節(jié)效應(yīng)檢驗(yàn)。采用PROCESS 3.2 插件中的模型1，以共創(chuàng)主體類型為自變量，技術(shù)熟練度為調(diào)節(jié)變量進(jìn)行分析。結(jié)果表明，共創(chuàng)主體類型與技術(shù)熟練度對(duì)認(rèn)知負(fù)荷的交互作用顯著，F(xiàn)（1， 176） = 116.61，p lt; .001。進(jìn)一步分析，當(dāng)個(gè)體技術(shù)熟練度較低時(shí)（M-SD ），與人共創(chuàng)有助于降低認(rèn)知負(fù)荷（M 人= 4.99， SD = 1.25， MAI = 5.91， SD = .56， F（1， 53） =12.42， p lt; .01， ηp2 = .19）；當(dāng)個(gè)體技術(shù)熟練度較高時(shí)（M+SD ），與AI 共創(chuàng)有助于降低認(rèn)知負(fù)荷（M人 = 4.80， SD = 1.46， MAI = 1.87， SD = .37， F （1， 53）= 102.28， p lt; .001， ηp2 = .66）。共創(chuàng)主體類型與技術(shù)熟練度對(duì)創(chuàng)造自我效能的交互作用顯著，F(xiàn) （1，176） = 99.57， p lt; .001。進(jìn)一步分析，當(dāng)個(gè)體技術(shù)熟練度較低時(shí)（M-SD ），與人共創(chuàng)有助于提升創(chuàng)造自我效能（M 人 = 5.46， SD = 1.17， MAI= 2.84， SD =.78， F （1， 53） =95.01， p lt; .001， ηp2 = .64），當(dāng)個(gè)體技術(shù)熟練度較高時(shí)（M+SD ），與AI 共創(chuàng)有助于提升創(chuàng)造自我效能（M 人 = 5.54， SD = .97， MAI= 6.07，SD = .31， F （1， 53） = 7.56， p lt; .01， ηp2 = .13）。

有調(diào)節(jié)的中介檢驗(yàn)。以共創(chuàng)主體類型為自變量，內(nèi)容共創(chuàng)意愿為因變量，認(rèn)知負(fù)荷和創(chuàng)造自我效能為中介變量，技術(shù)熟練度為調(diào)節(jié)變量共同代入PROCESS 3.2 插件中的模型7。分析表明，當(dāng)個(gè)體技術(shù)熟練度較低時(shí)（M-SD ），認(rèn)知負(fù)荷（b = -.08，95% CI = [-.16， -.02]， 不包含0）和創(chuàng)造自我效能（b= -1.91， 95% CI = [-2.30， -1.51]， 不包含0）的中介作用顯著；當(dāng)個(gè)體技術(shù)熟練度較高時(shí)（M+SD ），認(rèn)知負(fù)荷（b = .40， 95% CI = [.21， .65]， 不包含0）和創(chuàng)造自我效能（b = .34， 95% CI = [.08， .62]， 不包含0）的中介作用顯著但效應(yīng)值方向發(fā)生轉(zhuǎn)變。研究證實(shí)，與AI 共創(chuàng)時(shí)，個(gè)體技術(shù)熟練度越高，越有助于通過(guò)降低認(rèn)知負(fù)荷和提高創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。

6 總討論

本文考察了不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿的影響機(jī)制及邊界條件。實(shí)驗(yàn)1 和實(shí)驗(yàn)2 證實(shí)，與AI 共創(chuàng)有助于降低個(gè)體認(rèn)知負(fù)荷，進(jìn)而提升內(nèi)容共創(chuàng)意愿，與人共創(chuàng)有助于增強(qiáng)個(gè)體創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。這一發(fā)現(xiàn)可歸因于AI 和人類在內(nèi)容共創(chuàng)過(guò)程中的認(rèn)知和情感能力差異，AI 彌補(bǔ)了個(gè)體在知識(shí)認(rèn)知和生產(chǎn)效率上的不足（Kortelinget al.， 2021），而人類在情感層面提供更多支持（Nahet al.， 2023），進(jìn)而通過(guò)不同路徑影響內(nèi)容共創(chuàng)意愿。實(shí)驗(yàn)3 表明，任務(wù)類型調(diào)節(jié)了共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿的影響。即對(duì)于認(rèn)知分析型任務(wù)，AI 能夠充分發(fā)揮其信息處理效率的優(yōu)勢(shì)，而對(duì)于情感社會(huì)型任務(wù)，人類在情感互動(dòng)和創(chuàng)造性思維上的優(yōu)勢(shì)得以凸顯，以更好地提升內(nèi)容共創(chuàng)意愿。實(shí)驗(yàn)4 進(jìn)一步證實(shí)相關(guān)理論猜想（鄧建國(guó)， 2023），即與AI 共創(chuàng)時(shí)，個(gè)體技術(shù)熟練度越高，越有助于降低認(rèn)知負(fù)荷和提高創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。

6.1 理論貢獻(xiàn)

首先，聚焦于人機(jī)內(nèi)容共創(chuàng)意愿，豐富了相關(guān)理論研究成果。區(qū)別于以往對(duì)基于固定規(guī)則和分工的人機(jī)協(xié)作任務(wù)中個(gè)體協(xié)作意愿的探討（Arntz et al.，2022; Knop et al.， 2022; Paluch et al.， 2022），本文聚焦于人機(jī)互動(dòng)更為緊密且具有創(chuàng)造性的內(nèi)容共創(chuàng)任務(wù)，并在現(xiàn)有人機(jī)內(nèi)容共創(chuàng)的概念和實(shí)踐研究基礎(chǔ)上（鄧建國(guó)， 2023），進(jìn)一步探討了個(gè)體人機(jī)內(nèi)容共創(chuàng)意愿，彌補(bǔ)相關(guān)研究不足。其次，揭示了認(rèn)知負(fù)荷和創(chuàng)造自我效能在共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿影響過(guò)程的中介作用。先前研究多關(guān)注于對(duì)人與人之間內(nèi)容共創(chuàng)意愿影響的內(nèi)在機(jī)制考察（Shin etal.， 2020; Zhao et al.， 2015），而本文比較了不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿影響的內(nèi)在機(jī)制差異，豐富了內(nèi)容共創(chuàng)意愿的理論研究成果。最后，明確了不同共創(chuàng)主體對(duì)個(gè)體內(nèi)容共創(chuàng)意愿影響的邊界條件。本文將內(nèi)容共創(chuàng)任務(wù)劃分為認(rèn)知分析型和情感社會(huì)型，證實(shí)了任務(wù)類型在共創(chuàng)主體類型對(duì)內(nèi)容共創(chuàng)意愿影響過(guò)程的調(diào)節(jié)作用。此外，通過(guò)實(shí)證研究驗(yàn)證了技術(shù)熟練度的邊界效應(yīng)，拓展了人機(jī)內(nèi)容共創(chuàng)意愿的研究框架。

6.2 管理啟示

首先，企業(yè)需要注意的是，盡管AI 能夠顯著降低個(gè)體的認(rèn)知負(fù)荷，但與人類相比，在情感互動(dòng)方面仍存在不足，這可能削弱個(gè)體的內(nèi)容共創(chuàng)意愿。對(duì)此，企業(yè)可在技術(shù)層面注重情感設(shè)計(jì)，例如在互動(dòng)界面中設(shè)計(jì)情感化的交互反饋，包括使用人類頭像和人聲提示等，強(qiáng)化個(gè)體對(duì)AI 情感互動(dòng)能力的感知，提升人機(jī)內(nèi)容共創(chuàng)意愿。其次，個(gè)體應(yīng)明確內(nèi)容共創(chuàng)的任務(wù)類型，選擇更匹配的共創(chuàng)主體。例如，對(duì)于認(rèn)知分析型內(nèi)容共創(chuàng)任務(wù)，個(gè)體可優(yōu)先與AI 進(jìn)行合作，充分利用AI 在規(guī)則執(zhí)行和邏輯推理等方面的優(yōu)勢(shì)，降低認(rèn)知負(fù)荷。而對(duì)于情感社會(huì)型內(nèi)容共創(chuàng)任務(wù)，個(gè)體可優(yōu)先與人類進(jìn)行合作，充分發(fā)揮人類豐富的創(chuàng)造性思維和情感互動(dòng)能力，激發(fā)創(chuàng)造自我效能。最后，政府應(yīng)鼓勵(lì)A(yù)I 技術(shù)的合理使用并不斷提升個(gè)體的技術(shù)熟練度。政府可通過(guò)建立官方技術(shù)交流平臺(tái)，促進(jìn)個(gè)體創(chuàng)作者間的學(xué)習(xí)和合作，提升技術(shù)熟練度，激發(fā)人機(jī)內(nèi)容共創(chuàng)價(jià)值。

6.3 研究局限與展望

第一，本文通過(guò)不同實(shí)驗(yàn)情景證實(shí)了研究假設(shè)，但與真實(shí)內(nèi)容共創(chuàng)任務(wù)仍存在一定差距，未來(lái)研究可采用真實(shí)的田野實(shí)驗(yàn)進(jìn)行驗(yàn)證。第二，本文聚焦于AI 應(yīng)用更為廣泛的文本型內(nèi)容創(chuàng)作任務(wù)，而對(duì)繪畫和視頻等形式關(guān)注較少，對(duì)不同形式的內(nèi)容共創(chuàng)任務(wù)，個(gè)體內(nèi)容共創(chuàng)意愿的形成機(jī)制值得深入探討。第三，可能存在一些外部因素會(huì)導(dǎo)致個(gè)體內(nèi)容共創(chuàng)意愿的動(dòng)態(tài)變化，有待進(jìn)一步研究。例如，個(gè)體感知的時(shí)間壓力越高，越傾向于關(guān)注提升任務(wù)完成的效率，因此，時(shí)間壓力可能會(huì)影響個(gè)體與AI 的內(nèi)容共創(chuàng)意愿。

7 結(jié)論

本研究通過(guò)四項(xiàng)實(shí)驗(yàn)證實(shí)，對(duì)于認(rèn)知分析型內(nèi)容共創(chuàng)任務(wù)，與AI 共創(chuàng)有助于降低個(gè)體認(rèn)知負(fù)荷，進(jìn)而提升內(nèi)容共創(chuàng)意愿。而對(duì)于情感社會(huì)型內(nèi)容共創(chuàng)任務(wù)，與人共創(chuàng)有助于提高個(gè)體創(chuàng)造自我效能，進(jìn)而提升內(nèi)容共創(chuàng)意愿。此外，個(gè)體技術(shù)熟練度越高，越有助于降低認(rèn)知負(fù)荷和提高創(chuàng)造自我效能，進(jìn)而提升人機(jī)內(nèi)容共創(chuàng)意愿。

參考文獻(xiàn)

鄧建國(guó). （2023）. 概率與反饋： ChatGPT 的智能原理與人機(jī)內(nèi)容共創(chuàng). 南京

社會(huì)科學(xué)， 3， 86-94， 142.

馮文琪， 宋曉兵， 董大海. （2024）. 人工智能生成內(nèi)容對(duì)消費(fèi)者分享行為的

影響研究. 管理工程學(xué)報(bào)， 38 （6）， 25-40.

裘江南， 張方芳， 高雙燕， 王岍， 蔡承杰. （2024）. 在線知識(shí)社區(qū)知識(shí)社會(huì)建

構(gòu)中人機(jī)協(xié)作模式的形成機(jī)制研究——基于人機(jī)互補(bǔ)的視角. 南開

管理評(píng)論， 27 （5）， 117-128.

尹萌， 牛雄鷹. （2024）. 與AI“共舞”： 系統(tǒng)化視角下的AI- 員工協(xié)作. 心

理科學(xué)進(jìn)展， 32 （1）， 162-176.

趙建彬. （2023）. 運(yùn)氣感對(duì)創(chuàng)造力的影響： 創(chuàng)造自我效能的中介作用. 心理

科學(xué)， 46 （5）， 1173-1179.

Arntz， A.， Stra?mann， C.， V?lker， S.， amp; Eimler， S. C. （2022）. Collaborating

eye to eye： Effects of workplace design on the perception of dominance of

collaboration robots. Frontiers in Robotics and AI， 9， Article 999308.

De Dreu， C. K. W.， Baas， M.， amp; Nijstad， B. A. （2008）. Hedonic tone and activation

level in the mood-creativity link： Toward a dual pathway to creativity model.

Journal of Personality and Social Psychology， 94（5）， 739-756.

Dwivedi， Y. K.， Kshetri， N.， Hughes， L.， Slade， E. L.， Jeyaraj， A.， Kar， A. K.，

amp; Wright， R. （2023）. Opinion paper： “So what if ChatGPT wrote it？”

Multidisciplinary perspectives on opportunities， challenges and implications

of generative conversational AI for research， practice and policy. International

Journal of Information Management， 71， Article 102642.

Haan， K. （2023）. Over 75% of consumers are concerned about misinformation

from artificial intelligence. https：//www.forbes.com/advisor/business/artificialintelligence-

consumer-sentiment

Hart， S. G.， amp; Staveland， L. E. （1988）. Development of NASA-TLX （Task Load

Index）： Results of empirical and theoretical research. Advances in Psychology，

52， 139-183.

Hayes， A. F. （2017）. Introduction to mediation， moderation， and conditional process

analysis： A regression-based approach. Guilford Press.

Huang， M. H.， amp; Rust， R. T. （2018）. Artificial intelligence in service. Journal of

Service Research， 21 （2）， 155-172.

Knop， M.， Weber， S.， Mueller， M.， amp; Niehaves， B. （2022）. Human factors

and technological characteristics influencing the interaction of medical

professionals with artificial intelligence-enabled clinical decision support

systems： Literature review. JMIR Human Factors， 9（1）， Article e28639.

Korteling， J. E.， van de Boer-Visschedijk， G. C.， Blankendaal， R. A. M.，

Boonekamp， R. C.， amp; Eikelboom， A. R. （2021）. Human- versus artificial

intelligence. Frontiers in Artificial Intelligence， 4， Article 622364.

Ma， X. Y.， amp; Huo， Y. D. （2023）. Are users willing to embrace ChatGPT？ Exploring

the factors on the acceptance of chatbots from the perspective of AIDUA

framework. Technology in Society， 75， Article 102362.

Nah， F. F. H.， Zheng， R. L.， Cai， J. Y.， Siau， K.， amp; Chen， L. T. （2023）. Generative

AI and ChatGPT： Applications， challenges， and AI-human collaboration.

Journal of Information Technology Case and Application Research， 25 （3），

277-304.

Ostrom， E. （1996）. Crossing the great divide： Coproduction， synergy， and

development. World Development， 24 （6）， 1073-1087.

Paluch， S.， Tuzovic， S.， Holz， H. F.， Kies， A.， amp; J?rling， M. （2022）. “My colleague

is a robot”-exploring frontline employees' willingness to work with

collaborative service robots. Journal of Service Management， 33（2）， 363-388.

Polites， G. L.， amp; Karahanna， E. （2012）. Shackled to the status quo： The inhibiting

effects of incumbent system habit， switching costs， and inertia on new system

acceptance. MIS Quarterly， 36 （1）， 21-42.

Shin， H.， Perdue， R. R.， amp; Pandelaere， M. （2020）. Managing customer reviews for

value co-creation： An empowerment theory perspective. Journal of Travel

Research， 59 （5）， 792-810.

Shin， S. J.， Kim， T. Y.， Lee， J. Y.， amp; Bian， L. （2012）. Cognitive team diversity and

individual team member creativity： A cross-level interaction. Academy of

Management Journal， 55 （1）， 197-212.

Song， J.， Gao， Y.， Huang， Y.， amp; Chen， L. （2023）. Being friendly and competent：

Service robots' proactive behavior facilitates customer value co-creation.

Technological Forecasting and Social Change， 196， 122861.

Sweller， J. （1988）. Cognitive load during problem solving： Effects on learning.

Cognitive Science， 12 （2）， 257-285.

Tierney， P.， amp; Farmer， S. M. （2002）. Creative self-efficacy： Its potential antecedents

and relationship to creative performance. Academy of Management Journal，

45 （6）， 1137-1148.

Weigel， F. K.， amp; Hazen， B. T. （2014）. Technical proficiency for IS Success.

Computers in Human Behavior， 31， 27-36.

Wirtz， J.， Patterson， P. G.， Kunz， W. H.， Gruber， T.， Lu， V. N.， Paluch， S.， amp;

Martins， A. （2018）. Brave new world： Service robots in the frontline. Journal of

Service Management， 29 （5）， 907-931.

You， S.， amp; Robert， L. P. Jr. （2018）. Human-robot similarity and willingness to work

with a robotic co-worker. In Proceedings of the 2018 ACM/IEEE international

conference on human-robot interaction， Chicago， IL.

Zhao， J.， Wang， T.， amp; Fan， X. C. （2015）. Patient value co-creation in online health

communities： Social identity effects on customer knowledge contributions and

membership continuance intentions in online health communities. Journal of

Service Management， 26 （1）， 72-96.