社交机器人如何提升用户社会临场感？表情包情感效价在人智对话交互中的作用

邓俊易欣妍傅诗婷

（1.武汉大学城市设计学院，武汉，430072；2.武汉大学信息管理学院，武汉，430072）

1 引言

随着人工智能技术的快速发展，智能体可以通过模拟人际交流方式，遵循一定的社会规范与人类开展沟通与互动，这类智能体被称为社交机器人（social robot）[1]。大量研究表明，人们往往将社交机器人视为与人一样的社会主体，并将人际交流中习得的社会规范和期望迁移至与其对话的过程中[2]。因此，在这一人智交互场景中，人们会感受到“像与人类交流一样”的社会临场感（social presence）[3]，并作出与人际互动反应相似的社会化反应（social response）[4]。而这种社会临场感与社会化反应的程度决定了人智交互中的用户体验[5]。

在人际交流中，人们经常使用表情包这类以“贴图（sticker）”形式绘制的表情[6]，其与文字分别作为非语言与语言形式的社交线索（social cues），塑造了人们对交流对象的感知，并引导对话和互动的有序开展[7]。在人智交互过程中，大部分聊天机器人仅仅使用文字信息与用户沟通，而实际上，当聊天机器人在交流过程中使用表情包时，可以提升用户对其社会性与拟人度的感知[8]，更具象地传达情感信号，弥补文字交流的不足[6]。

但是，如何设计聊天机器人的文本与表情包匹配机制仍然存在争议。尽管人们往往认为在人际交流中使用与文本情感效价（emotional valence）一致的表情包可以增强情感表达，帮助人们更准确、高效地识别情绪和处理信息[9–11]。但随着表情包内涵的丰富以及交流语境的多变，一些非常规的交流方式也逐渐流行，如通过“消极文本+笑脸表情”组合来传达反讽、阴阳怪气的情绪[12]，或是用“积极文本+哭泣表情”以夸张地表达“喜极而泣”的感受等。这种情感效价不一致的表情包与文本的使用，也可能会提升人们对聊天机器人拟人化程度的感知。

为了评估两种匹配机制下的人智交互体验差异，本研究采取了组内设计的受控实验方法。在图情领域的信息行为研究中，受控实验是最为广泛使用的用户体验度量方法之一。其通过控制变量的方式，准确度量特定信息刺激对用户体验的影响，从而为设计决策提供理论依据与实践指导，弥补传统设计学领域过度依赖设计师主观灵感、判断与经验所导致的不足。

本研究构建了一个模拟的人智交互受控实验环境，度量聊天机器人应用表情包时的用户体验，并且量化分析表情包与文本情感效价一致性是否以及如何影响社会临场感与社会化反应。研究结果将为提升聊天机器人的社交属性、完善社交机器人的对话设计提供理论基础，为优化社交机器人的设计决策流程提供方法论支持，并为发展多模态交互的社交机器人提供实践指导。

2 相关研究

2.1 表情包与文本的情感效价一致性

Seeger等人将社交线索归纳为三种基本类型，分别是身份线索、语言线索和非语言线索[13]。在线上人际交流情景中，人们可以借助文本和表情包作为语言线索和非语言线索清晰地表达自身情感，并让接收者准确地感知信息的情感效价，包括判断情感属于积极情感还是消极情感，及其积极或消极的程度[14]。当表情包与文本传达了相同的情感时，则认为表情包与文本的情感效价相一致。尽管目前人智交互研究尚未揭示表情包与文本情感效价一致性对于交互过程与交互体验的影响，但已有部分人际交流研究揭示了其对认知加工、情感感知的影响，并提供了实证依据。

关于认知加工的研究结果比较一致，即相比于表情包与文本情感效价不一致的情况，当二者一致时，人们对于信息的认知加工速度更快[9-10,15]。Sarkar等人发现，当在交流过程中使用情感效价不一致的文本与表情包时，人们会认为信息比较模棱两可[16]。Aldunate等人的实验结果表明，当表情包情感效价与文本情感效价不一致时，参与者会耗费更多时间来判断信息发送者的情绪状态[9]。

关于情感感知的研究结果则存在争议。一部分研究者认为，使用与文本情感效价一致的表情包有助于信息接收者识别文本信息的情感基调，并放大信息所传递的情绪强度[10-11]；Boutet等人发现，当表情包与文本的情感效价相悖时，信息接收者对于发送者情绪状态的判断主要依赖于表情包的情感效价[10];Walther等人认为，使用消极的表情符号将会导致接收者对于信息的整体解释转向消极情绪[17]。然而，也有一部分研究发现，在特定人际交流情景中，不一致的表情包与文本效价组合也具有其特殊作用[9,16]。比如Aldunate等人证明了当表情包与文本效价不一致时，接收者更容易从中识别出消极情绪[9]；Sarkar等人发现，当表情包与文本效价不一致时将传达一种反讽的情绪[16]，而这种反讽情绪往往能够营造幽默风趣的效果，提升人际交流体验[18]。

2.2 人智交互中的社会临场感

社会临场感这一概念最早由传播学领域提出，指在互动过程中，他人被感知到的“真实性”[19]。后来被延伸到人机交互领域，多将其定义为：计算机系统被视为一个“真实的人”的程度[3,20]。Brendel等人认为，感知到的社会临场感是指用户从聊天机器人处体会到与人类接触的感觉，感知到人类的温暖，或者是认为其交互风格是社会化的[21]。社会临场感在以计算机为媒介的人际交流领域、人机交互领域被广泛研究，已被证明与信任、说服力、吸引力等要素存在密切联系[22-23]。Hassanein和Head发现社会临场感与顾客对在线购物网站的信任、享受度和感知有用性呈正相关，进而导致用户产生更强的购买意愿[24]；Brendel等人基于COVID-9的商业医疗背景并通过调查发现，聊天机器人引发的社会临场感能够使用户对其产生更高的信任度，从而提高病患遵从医嘱的意愿[21]。因此，在不同应用场景下，社会临场感都将确保良好的沟通过程，并产生积极的沟通结果。

研究表明，当智能体具备拟人化特征时，用户更容易在交互时感受到社会临场感[4]。这种感知到的“拟人化特征”可以被视为一种社交线索，而社交线索往往作为社会临场感的“前因”被广泛研究[7,25]。因此，文本和表情包分别作为语言线索和非语言线索，将有助于提升社会临场感[13,26]。Adam等人发现，在文本中采取自我披露、闲聊、同理心展现等拟人化的表述形式时，能够显著提升用户对聊天机器人的遵从性，并且社会临场感在其中起到中介效应[27]；Li等人的研究也表明，当聊天机器人使用了添加表情包的非正式语言风格时，将有助于顾客与聊天机器人形成准社会关系（Parasocial Interaction），进而提升持续使用意图和品牌好感度[8]；Konya-Baumbach等人则发现，当聊天机器人使用第一人称的拟人化语言风格时，人们将产生较强的社会临场感，并对人们的信任、购买意愿、品牌口碑和购物体验满意度产生积极影响[28]。

2.3 人智交互过程中的社会化反应

社会化反应理论（social response theory）指出，当人们对计算机赋予人格后，会下意识地在人机交互过程中应用社会规范，并作出类似于人际互动的反应[4]。因此，当人们与拟人化的智能体进行交互时，也可能会产生被说服、青睐、信任及持续交互意愿等反应[7]。在人智交互研究情景中，这些反应分别对应了人们对于智能体给出建议的接受程度、对智能体的满意程度和信任度以及后续使用意愿[21,29-31]。

在人智交互领域，相关研究表明，聊天机器人身上社交线索的传递会触发用户的不同社会化反应。例如Diederich等人基于可持续背景，发现感知到的拟人化和社交线索能够提高聊天机器人的说服力，促进用户接受其绿色出行的建议并形成可持续的信念[31]；Verhagen等人通过在研究中赋予虚拟客服类人的外表并采用友好、专业和提供微笑的服务，证明了智能体展现个性化、传递社交线索对用户满意度的显著影响[30]；Brendel等人为医疗系统中的聊天机器人配备性别、名称和类人的语言风格等社交线索，发现社会临场感可以有效提高用户的信任度和感知可信度[21]；Jiang等人的研究阐明了聊天机器人的拟人化作为社交线索对用户行为意向的影响机制，通过采用可爱的沟通方式能够增加聊天机器人的社会临场感，并由此正向影响用户对产品的持续使用意愿[29]。

而社会临场感作为社会化反应的前因，往往在各种社交线索对社会化反应的影响中起到中介效应。Konya-Baumbach等人通过为聊天机器人配备类似人类的语言社交线索，证明了社会临场感在其对信任、购买意愿的积极影响中的显著中介效应[28]。Toader等人的研究表明，当高度拟人化的女性聊天机器人参与社交行为时，即使在犯了错误的条件下也能导致消费者积极的社会化反应，如原谅和信任，而感知到的社会临场感在拟人化的社交线索对信任的影响中起到了中介效应[32]。Schurink在实验中构建了一个线上购物场景，证明了以真人头像作为非语言社交线索的聊天机器人能够通过增加社会临场感，进而更多地收获用户满意度和购买意愿的积极社会化反应[33]。

2.4 研究问题

聊天机器人往往具备强大的社交功能，可以使用表情包与文本作为不同形式的社交线索，以更鲜明、拟人化地传达自身情感。鉴于在人际交流中，表情包与文本情感效价的一致性对于交流效果的影响存在争议，因而在人智交互中，这种效价的一致性对交互体验的影响同样存疑，即当表情包与文本效价不一致时，既可能由于信息传递清晰度的减弱而降低交互体验，也可能因为其个性化、拟人化的表达方式而受到用户青睐，提升社会临场感并促进社会化反应[34-35]。相关实证研究的缺乏更是导致其具体影响尚未可知，因此，本研究希望通过开展实证研究以探索下列问题：

Q1:在人智交互中，表情包与文本情感效价的一致性是否会影响聊天机器人的社会临场感？如果会，将如何影响？

Q2: 表情包与文本情感效价的一致性是否会显著影响用户的社会化反应（建议接受程度、满意度、信任度、使用意愿）？如果会，将如何影响？

鉴于社会临场感已被证明是用户积极态度和积极行为的关键预测因素，相当数量的研究表明，社会临场感能够在社交线索对用户社会化反应的影响中起到中介作用[8,27-28]。因此，本研究提出以下研究问题：

Q3: 社会临场感在表情包与文本情感效价的一致性对用户社会化反应的影响中是否存在中介效应？

3 研究方法

本研究开展了2（积极表情、消极表情）x2（积极文本、消极文本）的组内对照实验。参与者首先填写前测问卷，随后在模拟的健康饮食烹饪咨询平台上分别与4位聊天机器人进行对话，以咨询某一菜品是否适合烹饪给特定对象食用。聊天机器人将回答参与者选择的菜品是否合适，解释具体原因，并在回复中同时使用表情包与文本。每一轮聊天结束后，参与者需要填写相应的后测问卷，以报告其对于在与聊天机器人对话中感受到的社会临场感，对于聊天机器人所给出建议的接受程度，以及对聊天机器人的满意度、信任度与使用意愿。

3.1 实验参与者

本研究采取便利抽样法招募了45名在日常线上交流过程中熟悉表情包与文本使用的参与者，年龄基本在20-28岁之间，其中男性10人、女性35人，本科生11人、研究生32人、博士生2人，详细的人口统计学特征见表1。前测问卷调查结果显示，93%的参与者曾有过聊天机器人的使用经验，63%的参与者对于聊天机器人呈积极态度，所有参与者均在线上人际交流中使用过表情包，98%参与者使用表情包的频率较高。

表1 参与者人口统计学特征Table 1 Demographic Characteristics of Participants

3.2 实验材料

3.2.1 对话文本与任务流程设计

参与者与聊天机器人的每轮对话分为三个环节：首先，当参与者进入聊天室后，聊天机器人将与参与者打招呼，并询问是否需要帮助；随后，参与者可以根据任务要求，介绍自己打算烹饪的菜品及其招待对象，以获得聊天机器人的烹饪建议；最后，聊天机器人将回复烹饪该菜品是否合适，并且说明原因。

参与者的提问信息将附在交互任务栏中，包括了招待对象的身体情况以及预期制作的菜品及其食材。参与者可以基于给出的信息，向聊天机器人介绍自己的烹饪计划，并咨询这一菜品选择是否合适。

聊天机器人的回复信息包括两段文本与一个表情包，第一段文本是聊天机器人对于参与者菜品选择是否合适的直接判断。为了提升人们与聊天机器人交互时的社会临场感，聊天机器人将采用自我披露的表达方式和相对口语化、情绪化的语言风格。其中，积极情感效价的文本为：“这没问题啊！我觉得是个好主意啊”，消极情感效价的文本为：“这有问题吧！我觉得是个馊主意呢”。第二段文本是聊天机器人对作出该判断的具体原因解释，围绕菜品营养价值或弊端的简单描述、烹饪菜品对于招待对象的利弊分析以及对于菜品选择合适程度的再次表态，字数控制在60字左右。为了确保对话的合理性，所有关于菜品营养或弊端的解释均来自于医疗健康领域的专家建议。

3.2.2 聊天机器人形象及表情包设计

图1 聊天机器人头像及表情包设计Fig.1 Chatbot Avatar and Sticker Design

3.2.3 聊天机器人系统设计

本研究通过Axure RP9搭建了一个模拟的健康饮食烹饪咨询平台（如图2所示），包括1个首页、4个聊天界面。首页展示了4位聊天机器人的头像与名字，参与者可以点击头像与其开展对话。在聊天界面中，参与者可以根据任务提示向聊天机器人发出提问，聊天机器人会根据提前设定的关键词进行自动回复。此外，我们还为聊天机器人的每一条回复设置了1-3秒的延迟反应，以便更好地模拟真实的人际交流过程。

图2 模拟健康饮食烹饪咨询平台设计Fig.2 Design of Simulation Platform of Healthy Cooking Consultation

3.3 实验流程

整个实验分为五个阶段（如图3所示）。首先，参与者需要阅读一段关于实验任务的整体介绍和操作演示，以了解实验的大致流程以及平台操作步骤。其次，参与者需要填写前测问卷（https://www.wjx.cn/vm/tTRoFOI.aspx#），以报告其人口统计信息、聊天机器人使用经验、对聊天机器人的态度、日常线上交流使用表情包的频率等基本信息。第三，参与者将根据给定的顺序与聊天机器人进行交互，并且为了避免顺序效应，本研究采取了拉丁方设计，使每位参与者的交互顺序随机。在每个聊天界面中，参与者先阅读给定的本轮任务要求，然后向聊天机器人介绍具体情况并进行提问。聊天机器人在接收信息后，会使用文本与表情包进行回复。第四，当参与者完成一轮对话后，即可点击后测问卷链接的按钮，并基于刚才的交互体验填写后测问卷（https://www.wjx.cn/vm/QMNXVR3.aspx#）。填写完成后，参与者返回到首页并重复上述步骤，直至四轮聊天全部进行完毕。最后，实验者与参与者进行一次简短的交流，以了解参与者对聊天机器人对话过程的看法与感受。

图3 实验流程图Fig.3 Experimental Flow Chart

3.4 变量测量

参照以往相关研究，本研究通过7点李克特量表测量了社会临场感、建议接受程度、满意度、信任度以及使用意愿五个变量（1=完全不同意，7=完全同意），具体的测量项目如表2所示。

表2 测量项目Table 2 Measurement Items

4 研究结果

4.1 信效度检验

Cronbach alpha系数被用来评估本研究中使用的量表的可靠性。社会临场感分量表（Cronbach's α =0.946）、建议接受程度（Cronbach's α =0.899）、满意度分量表（Cronbach's α =0.936）、信任度分量表（Cronbach's α =0.884）和使用意愿分量表（Cronbach's α =0.971）的Cronbach's alpha值均超过了推荐的阈值0.7，表明整体量表的结构可靠性高。

此外，本研究通过KMO系数和Bartlett球形检验以评估问卷的结构效度。分析结果表明，KMO值大于0.9，且Bartlett球形检验的显著性为0.000，小于推荐阈值的0.05，均说明问卷具有良好的结构效度。

4.2 表情包与文本情感效价的一致性对社会临场感的影响

本研究通过独立样本T检验，分析了表情包与文本效价的一致与不一致对于人与聊天机器人交互过程中社会临场感的影响。结果表明，表情包与文本情感效价的一致组与不一致组中的社会临场感存在显著差异（t（170.845）=2.655，p=0.009<0.05）；相比于表情包与文本情感效价不一致组（M=4.285，SD=1.695），一致组在与聊天机器人交互过程中社会临场感（M=4.896，SD=1.377）显著更高。

并且，Two-way ANOVA分析结果表明，在表情包与文本情感效价一致性对社会临场感的影响中，用户性别不存在调节作用（F=0.475，p=0.492）。SPSS Process插件的Model1分析结果也表明，用户对聊天机器人的态度（B=-0.1977，SE=0.1841，t=-1.0737，p=0.2844）以及聊天机器人使用经验（B=0.3141，SE=0.2633，t=1.1929，p=0.2345）均不存在显著调节作用。

4.3 表情包与文本情感效价的一致性对用户社会化反应的影响

本研究通过独立样本T检验分析了表情包与文本情感效价的一致性对用户对于聊天机器人建议的接受程度，以及满意度、信任度、使用意愿的影响（见表3）。

表3 独立样本T 检验Table 3 T-test for the Independent Samples

首先，相比于表情包与文本情感效价不一致组（M=5.404，SD=1.271），一致组对于聊天机器人建议的接受程度（M=5.893，SD=0.899）显著更高（t（160.277）=2.980，p=0.003<0.05）。

其次，相比于表情包与文本情感效价不一致组（M=4.259，SD=1.687），一致组对于聊天机器人的满意度（M=5.041，SD=1.514）显著更高（t（178）=3.271，p=0.001<0.05）。

然后，相比于表情包与文本情感效价不一致组（M=5.022，SD=1.418），一致组对于聊天机器人的信任度（M=5.663，SD=0.949）显著更高（t（155.408）=3.564，p=0.000<0.05）。

最后，相比于表情包与文本情感效价不一致组（M=4.189，SD=0.180），一致组对于聊天机器人的使用意愿（M=4.978，SD=1.499）显著更高（t（172.433）=3.198，p=0.002<0.05）。

根据上述数据分析结果可知，当聊天机器人使用情感效价一致的表情包与文本情感效价时，有助于提高用户对于聊天机器人建议的接受程度、满意度、信任感以及使用意愿。并且在上述所有关系中，用户的性别、对聊天机器人的态度、聊天机器人使用经验均不存在显著调节作用（具体数据与分析结果见支撑数据）。

4.4 社会临场感的中介效应

本研究通过SPSS Process插件中的Model 4，分别对社会临场感在表情包与文本情感效价一致性对建议接受程度、满意度、信任度、使用意愿影响中的中介效应进行检验。若直接效应的置信区间包含0，而间接效益的置信区间不包含0，则代表存在显著的完全中介效应，即自变量只通过所检验的中介变量这一条路径影响因变量。若检验结果的直接效应和间接效应的95%置信区间均不包含0，则代表存在显著的部分中介效应，即自变量不仅仅通过该中介变量影响因变量。具体结果如表4所示。

表4 社会临场感中介效应的Model 4检验Table 4 The Model 4-test of the Mediating Effect of Social Presence

首先，在表情包与文本感知效价一致性对用户建议接受程度的影响中，社会临场感起到了显著的完全中介效应（Effect=0.2503， BootSE=0.1081，BootLLCI=0.0567， BootULCI=0.4734 ）。

其次，在表情包与文本感知效价一致性对用户满意度的影响中，社会临场感起到了显著的完全中介效应（Effect=0.4305，BootSE=0.1710，BootLLCI=0.1025，BootULCI=0.7744）。

第三，在表情包与文本感知效价一致性对用户信任度的影响中，社会临场感起到了显著的部分中介效应（Effect=0.311，BootSE=0.1280，BootLLCI=0.0772，BootULCI=0.5851）。

最后，在表情包与文本情感效价一致性对用户使用意愿的影响中，社会临场感同样起到了显著的 完全中介 效 应（Effect=0.4786，BootSE=0.1840，BootLLCI=0.1232，BootULCI=0.8387）。

综上，数据分析结果表明：社会临场感在表情包与文本情感效价一致性对用户社会化反应各个维度（建议接受程度、满意度、信任度、使用意愿）的影响中均起到中介效应。

5 讨论

首先，表情包与文本情感效价一致性被证明会影响用户与聊天机器人对话过程中的社会临场感。具体而言，积极表情包搭配积极文本、消极表情包搭配消极文本比起其他组合方式更能提升聊天机器人的社会临场感，让人觉得与聊天机器人的交互过程像是与真人交互一样。该结论与Boutet和Hand等学者在人际交流情景中观察得到的结论相一致[10-11]，说明无论是在人际交流还是人智交互情景中，人们都更青睐信息发送方使用情感效价相一致的表情包与文本组合。这也再次证明了，即使在人智交互情景中，人们也会自然而然地沿袭人际交流中使用的规范与偏好[2]。

其次，表情包与文本情感效价的一致性被证明会影响用户对于聊天机器人的社会化反应，包括对于聊天机器人建议的接受程度和对聊天机器人的满意度、信任度、使用意愿。具体而言，人们更愿意接受使用情感效价一致的表情包与文本的聊天机器人所给出的建议，并对其产生更高的满意度、信任感，也更愿意再次使用该聊天机器人。然而，本研究原本设想的聊天机器人使用情感效价不一致的表情包与文本来实现类似人际交流中的反讽或幽默效果，以提高社会临场感的预期效果并未实现。实验结果表明，绝大多数用户并不接受聊天机器人使用情感效价不一致的表情包与文本。一方面，这或许可以归结为情感效价冲突会提高沟通的不确定性，导致信息更为模棱两可，增加额外的解码负担[39]，从而产生认知负荷，影响人们对聊天机器人回复信息的认知加工效率，反而降低了人智交互体验；另一方面，这一结果也可能与人机关系中的刻板印象和消极的预期违背行为相关[40-41]。预期违背理论（expectancy violations theory）指出个体会对事物或交流行为存在既定的预期，而当现实情况违反这一预期时，就会降低违规者的吸引力[40]，这属于一种对事物的心理预期与其实际表现产生矛盾时所导致的不适和厌恶。研究者通过与参与者在实验后进行交流发现，大多数人认为聊天机器人就应该遵循常规的表情包与文本使用方式，以清晰、礼貌地传递信息，表达传情感。因此，当聊天机器人使用情感效价不一致的表情与文本时，参与者反而会觉得奇怪并且难以理解，甚至反感与排斥。

最后，在表情包与文本情感效价一致性对用户社会化反应的影响中，社会临场感起到了显著的中介效应。其中，对于聊天机器人的建议接受程度、满意度与使用意愿而言，社会临场感具有完全中介作用。换言之，只有通过提升人们与聊天机器人交互过程的社会临场感，才能够促使人们接纳聊天机器人的建议，带来满意的交互体验，并产生与聊天机器人持续交互的意愿。然而，对于聊天机器人的信任感而言，社会临场感仅起到了部分中介效应。其原因可能是在人际关系中，信任建立的前因往往是多重而复杂的，不仅取决于交流过程的体验，还取决于交流对象的可信度，关系建立的长短以及个体的价值观、态度和情绪等因素[42]。因此在人智交互中，除了社会临场感之外，用户的信任度还可能取决于人机关系的亲密程度以及用户的个人习惯与使用偏好，后续研究可以针对影响人智交互信任感的因素开展进一步讨论。

6 总结

本研究通过构建模拟人智交互受控实验环境，度量并比较了45位参与者在表情包与文本情感效价一致与不一致组中的社会临场感与社会化反应。结果表明，与不一致组相比，一致组的用户更愿意接受聊天机器人的建议，对聊天机器人的满意度、信任度和使用意愿也更高。

本研究的理论启示包括三点：首先，丰富了人智交互中的表情包应用研究，量化了人智交互情景中的表情包与文本匹配机制；其次，验证了“计算机是社会行动者”（computers are social actors）范式，即人们与聊天机器人交互时，会产生与人际交流类似的社会临场感与社会化反应，人智交互与人际交流情景存在共通之处[43]；最后，本研究紧紧围绕聊天机器人的社交属性，揭示了人智交互情景中，社交线索、社会临场感、社会化反应之间的相互作用与密切联系。

本研究的实践启示包括两点：首先，本研究为聊天机器人的对话设计提供了依据，有助于提升社交机器人交互体验，帮助其更好地遵循社交规范、融入人类社会环境；其次，本研究为发展多模态交互的社交机器人提供实践指导，未来的社交机器人设计不仅要关注单一的社交线索，还需要不同社交线索之间的配合，比如确保面部表情、语言风格、肢体动作等要素所传达情绪的一致性，从而实现更好的拟人化效果，提高社会临场感、加强社会化反应。

此外，作为一项受控实验法在人智交互体验设计决策中的应用案例，本研究为后续信息资源管理学科与设计学开展跨学科交叉研究提供了启示。一方面，设计学为信息资源管理学科开展信息行为研究提供了实际应用场景与亟待解决的实践问题，自下而上地提供了研究动力；另一方面，信息资源管理学科所积累的一整套研究方法体系也为设计决策的量化评估提供了新范式，自上而下地提升设计决策的科学性与可靠性。

本研究仍存在一定局限性：首先，本研究只完成了人与聊天机器人单次接触的截面实验，后续还可以采取长期接触的纵向追踪实验；其次，本研究采取了便利抽样法，招募对象均为20-28岁区间的在校大学生，考虑到表情包和文本的组合使用习惯在不同人群中可能存在差异，未来应面向更多年龄段、文化背景的人群开展研究。

作者贡献说明

邓俊：提出研究思路，设计研究方案；

易欣妍：进行实验，采集数据，起草论文；

傅诗婷：完善研究设计，清洗和分析数据，论文最终版本修订。

支撑数据

支撑数据由作者自存储，E-mail:yxy17259@outlook.com。

1.易欣妍，傅诗婷，邓俊. 调查问卷.docx. 问卷内容及量表设计.

2.易欣妍. 实验结果汇总. xlsx.实验结果数据.

3.傅诗婷，易欣妍. 结果分析. docx. 实验数据分析.

附录1

Appendix 1

人与聊天机器人的对话文本Dialogue Text Between Human and Chatbot