Astro，我回家了！利用監督式機器學習探討家庭機器人接受度因素
arXiv - Computers and SocietyKatrin Fischer, Essence Wilson, Steffie Kim, Dmitri Williams
以 Lasso 與 Ridge 回歸發現，績效期望、社會影響與娛樂動機是家庭機器人使用意圖的主要預測因子，亦顯可用性、信任與能力重要。
AI 幫你先抓重點
AI 重點 1
正則化機器學習能有效篩選關鍵接受因子，避免多重共線性影響模型準確度。
滑鼠懸停看 AI 判斷理由
此方法不僅提高模型解釋力，還能為設計更具可用性與信任度的家庭機器人提供實證依據，改變設計者對功能優先順序的看法。
AI 重點 2
績效期望、社會影響與娛樂動機三者共同構成核心接受模型，提示設計者應聚焦於提升功能效能、社群互動與使用樂趣。
滑鼠懸停看 AI 判斷理由
了解這三因子互動關係可協助設計者在產品開發與行銷策略中，平衡技術效能與情感體驗，提升使用者接受度。
核心研究發現
- 1
在 UTAUT2 框架下，績效期望、社會影響與娛樂動機是使用意圖最強且最一致的預測因子。
- 2
可用性、信任與能力也被識別為預測使用意圖的有前景變項。
- 3
透過 Lasso 與 Ridge 正則化技術，研究成功建立新的技術接受模型，提升預測精度。
對教育工作者的啟發
設計者應優先提升機器人績效期望與功能效能，並透過社群互動與娛樂元素增強使用者情感連結；同時加強可用性與信任機制，如直觀介面與透明決策流程，能有效提升使用意圖，進而促進家庭機器人市場的擴張與使用者滿意度。
原始文獻資訊
- 英文標題：
- Astro, I'm Home! Investigating Factors that Influence the Acceptance of Home Robots Using Supervised Machine Learning
- 作者：
- Katrin Fischer, Essence Wilson, Steffie Kim, Dmitri Williams
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。