[论文解读] "Who wants to be nagged by AI?": Investigating the Effects of Agreeableness on Older Adults' Perception of LLM-Based Voice Assistants' Explanations

Niharika Mathur, Md Hasibur Rahman+1 more|arXiv (Cornell University)|Mar 9, 2026

AI in Service Interactions被引用 0

一句话总结

该研究探讨基于 LLM 的语音助手的亲和力如何影响老年人对其解释的感知，涵盖日常与紧急场景，比较历史数据解释与实时数据解释。高亲和力提高信任、同理心和采用度，尤其在日常情境中，情境对效果有调节作用。

ABSTRACT

LLM-based voice assistants (VAs) increasingly support older adults aging in place, yet how an assistant's agreeableness shapes explanation perception remains underexplored. We conducted a study(N=70) examining how VA agreeableness influences older adults' perceptions of explanations across routine and emergency home scenarios. High-agreeableness assistants were perceived as more trustworthy, empathetic, and likable, but these benefits diminished in emergencies where clarity outweighed warmth. Agreeableness did not affect perceived intelligence, suggesting social tone and competence are separable dimensions. Real-time environmental explanations outperformed history-based ones, and agreeable older adults penalized low-agreeableness assistants more strongly. These findings show the need to move beyond a one-size-fits-all approach to AI explainability, while balancing personality, context, and audience.

研究动机与目标

• 考察 LLM-VA 的亲和力变异如何影响老年人对其解释的感知。
• 评估基于对话历史与实时环境数据的解释是否会影响感知。
• 评估日常与紧急情境如何影响对解释的感知。
• 探究老年人自身的亲和力如何调节对 VA 解释的感知。

提出的方法

• 受控的三因素混合分割设计（N=70），操纵解释类型（UH vs ENV）、VA 亲和力（高 vs 低）和交互情境（日常 vs 紧急）。
• 通过 Trait Modulation Key 对话提示进行条件化，使解释与 VA 的亲和力水平一致，然后人工审查一致性。
• 设计了两组互动故事板，配有音频、可互动的 VA（Robin），通过基于网页的故事板界面呈现。
• 使用 GPT-5.0 生成解释，并以经过验证的量表进行测量（同理心的 PETs、好感度/智能的 Godspeed、信任的 TiA 等等）。
• 通过 Mini-IPIP 测量参与者自身的亲和力；对 Robin 的感知亲和力进行操控效应的检验。

实验结果

研究问题

• RQ1 RQ1: LLM-VA 的亲和力变异如何影响老年人对其解释的感知？
• RQ2 RQ2: 情境上下文（日常 vs 紧急）与解释类型（UH vs ENV）如何影响对解释的感知？
• RQ3 RQ3: 老年人自身的亲和力如何影响他们对 LLM-VA 解释的感知？

主要发现

• 高亲和力（HA）Robin 相较于低亲和力（LA）在采用意愿、同理心、好感度、信任、依赖和满意度方面具有更高水平，感知智能度无显著影响。
• HA 的积极效应在日常情境和 UH 解释中更明显；在紧急情境和 ENV 解释中效应减弱。
• 老年人自身的亲和力与 LA Robin 的采用、信任和好感度呈负相关；而在 HA Robin 情况下未出现显著相关。
• 实时环境解释（ENV）通常被评为比基于历史的解释（UH）更具可信度。
• 定性回应显示感知的社会语气是解释评估的关键驱动因素，LA 解释被描述为生硬或唠叨，HA 解释则更友好且有支持性。