[论文解读] Measuring Human-Robot Trust with the MDMT (Multi-Dimensional Measure of Trust)

Bertram F. Malle, Daniel Ullman|arXiv (Cornell University)|Nov 25, 2023

Risk Perception and Management被引用 6

一句话总结

本文提出了多维信任度量（MDMT），这是一种自评量表，旨在衡量人类、机器人和动物代理的感知可信度。MDMT 从最初的四维（v1）发展为五维（v2）框架，经实证证据验证，提供了一种可靠且直观的工具，用于测量人机交互情境中的多维信任。

ABSTRACT

We describe the steps of developing the MDMT (Multi-Dimensional Measure of Trust), an intuitive self-report measure of perceived trustworthiness of various agents (human, robot, animal). We summarize the evidence that led to the original four-dimensional form (v1) and to the most recent five-dimensional form (v2). We examine the measure's strengths and limitations and point to further necessary validations.

研究动机与目标

• 开发一种可靠且直观的自评量表，用于衡量人类、机器人和动物等代理的感知可信度。
• 解决当前在人机交互（HRI）情境中缺乏标准化、多维信任测量工具的问题。
• 通过从四维（v1）到五维（v2）的迭代开发，对 MDMT 进行验证与优化。
• 为研究人员提供一种实用且基于实证的工具，用于在各类 HRI 实验中测量信任。
• 识别 MDMT 的优势与局限性，并为未来在多样化社交与机器人情境中的验证工作提供指导。

提出的方法

• 基于信任与社会认知的理论基础，通过迭代设计与验证流程开发 MDMT。
• 初始版本（v1）包含四个维度：能力、善意、正直与可预测性。
• 通过增加第五个维度——意图性，将量表优化为 v2，以更好地捕捉代理行为的类人感知。
• 利用参与者的定性与定量反馈，评估各维度的相关性与信度。
• 运用既定的心理测量学原则，评估内部一致性、结构效度与可用性。
• 在人机交互实验背景下验证 MDMT，相关结果已发表于 SCRITA 2023 研讨会论文集。

实验结果

研究问题

• RQ1 如何通过多维自评量表可靠地测量对代理（尤其是机器人）的信任？
• RQ2 哪些维度最能捕捉人类、机器人和动物代理的感知可信度？
• RQ3 将‘意图性’作为新增维度，如何提升对社交代理信任的测量能力？
• RQ4 MDMT 在真实人机交互环境中的心理测量学优势与局限性是什么？
• RQ5 v2 版本的五维 MDMT 相较于原始的 v1 版本，在捕捉细微信任感知方面表现如何？

主要发现

• 与 v1 相比，v2 版 MDMT（包含五个维度：能力、善意、正直、可预测性与意图性）在捕捉类代理信任感知方面表现出更高的敏感性。
• 实证证据支持 MDMT 作为人机交互研究中自评量表的可靠性与有效性。
• 将‘意图性’作为第五个维度，显著增强了该量表对自主代理信任的捕捉能力。
• MDMT 在涵盖人类、机器人和动物等多种代理类型方面展现出强大潜力。
• 该量表被认为直观且实用，适用于实验性人机交互研究，具备清晰的心理测量学基础。
• 局限性包括需在更广泛人群及多样化机器人情境中进一步验证。