实验设计与任务框架 [page::5][page::6]

• 采样220名美国居民，完成50轮模糊图像分类任务，每轮参与者可基于AI（准确率85%）推荐选择是否修改答案。

- 实验包含对照组与处理组，处理组受AI使用率将在视频通话中被观察和对比的告知，旨在激发非工具性形象关注。

• 激励仅基于准确率随机抽取轮次发放奖金，切断经济激励对AI使用的影响。

主要结果：形象关注抑制AI使用并降低表现 [page::10][page::11][page::12]

| 核心指标 | 对照组均值 | 处理组效应 (p值) | 备注 |
|----------------|---------|----------------|------------------|
| AI使用率（所有轮次） | 44% | -4.5个百分点 (p<0.05) | 下降约10% |
| AI使用率（可切换轮次） | 79% | -6.9个百分点 (p<0.01) | 下降约9% |
| 最终正确率 | 80.9% | -2.7个百分点 (p<0.05) | 精度下降3.3% |
| 初始选择正确率 | 46.8% | 无显著变化 | |
| 修正阶段反应时 | 6.68秒 | 无显著变化 | |

• 处理组AI使用分布整体滞后，体现为首阶随机支配差异。

- 尽管有报告选用AI的部分心理不适感，参与者仍未增加修正阶段的努力投入。

异质性分析：少数族裔受形象关注影响更大 [page::14][page::15]

• 少数族裔群体AI使用率额外减少9.6个百分点，最终准确率下降4个百分点，均显著。

- 各非白人族裔均呈现类似趋势，亚裔在对照组表现最佳但处理组表现最差。

• 白人群体不受显著影响，暗示形象关注可能加剧不同族群间的不平等。

机制验证：心理不适与受限感明显 [page::15][page::16]

• 处理组中表示对即将视频通话不适的参与者比例提升55%，支持形象关注的心理机制。

- 处理组参与者感知对AI的利用效果较差，暗示其受非经济因素限制使用AI。

金融研究报告详尽分析报告

报告标题： AI Recommendations and Non-instrumental Image Concerns
作者： David Almog
发布机构与日期： 2025年6月17日，未明确指出具体机构但涉及多项经济学和行为科学研究文献引用，作者为诺斯韦斯特大学相关研究者
研究主题： 探讨人类在与人工智能（AI）协作过程中因非工具性（非经济性）形象顾虑而低估利用AI推荐的现象及其对决策表现的影响

---

1. 报告概览与核心论点

本文围绕当前AI技术广泛应用背景，重点研究非工具性形象顾虑（指个体在没有任何直接经济或声誉损失风险的情况下，仍然担心其行为被他人如何看待）的影响。这种心理因素在现实工作环境中导致个体有意无意地减少采纳AI推荐，进而影响任务完成的准确率和效率。

核心发现是，受实验干预影响，参与者的AI使用率与决策表现均显著下降，且该现象在少数族裔群体中更明显，暗示社会身份与形象压力有显著相关性。研究呼吁考虑社会心理因素对人机协作的影响，以促进更公正有效的AI系统应用。

---

2. 逐节深度解读

2.1 摘要

作者针对“人类-人工智能协作”未达预期问题展开，识别出非工具性形象顾虑为决策者放弃AI推荐的关键原因。通过在线实验，发现尽管不存在声誉或金钱风险，参与者因担忧被观察者如何评价自己的AI采纳行为，选择性地忽略AI建议，导致任务表现下降。[page::0]

2.2 引言

作者梳理了AI普及与专业领域广泛应用背景，如司法、医学、招聘等场景。文献显示AI常胜于人类专家，但人-AI协作未必优于单一AI。尝试分析为何许多专业人士违背算法建议，包括过度自信、偏见、社会心理等因素，提出非工具性形象顾虑可能成为解释。
此顾虑指个体担心被旁观者（即使没有经济处罚）由于过度依赖AI或完全拒绝AI而产生负面印象，形成对AI采纳的双重社会压力。当前社会规范新兴倾向于低报AI使用率，也凸显了这种心理障碍的存在。[page::1]

2.3 实验设计

实验通过Prolific平台招募220名美国成年参与者，任务包括50轮图像分类，每轮有16类选项。参与者先做初选，再见到AI推荐（准确率85%），可以选择更改答案。支付结构基于单轮随机抽取，最终回答正确有奖金，未针对AI使用单独激励。
重点治疗组在最后面试环节通过视频通话公布参与者的AI使用率及其与平均水平的比较，意图激发非工具性形象顾虑。控制组仅获知奖金信息。通话时参与者仅需观看，无需互动。实验设计旨在隔绝货币或声誉因素，围绕心理“形象焦虑”测试行为差异。[page::2-7]

2.4 AI推荐角色

参与者被告知AI推荐准确率较高，但存在偶尔失误可能，且AI可能在部分模糊图像表现更优。此信息及AI推荐的时间节点设计（推荐在初选后呈现）确保能明确判断AI建议对决策的影响，避免混淆。[page::8]

2.5 研究文献回顾

本文站在已有“人机合作”文献基础上，指出形象顾虑在AI推荐利用率下降中的新颖角色。文中详细引用了司法、医疗、招聘等领域AI低利用现象，同时指出过去过分强调认知偏差解释，忽视了社会心理动因。报告补充了工作场所非货币激励（如尊重、认同）对AI采用的影响。[page::3-5]

---

3. 关键数据解读与分析

3.1 参与者基本情况（Table 1）

男女比例、年龄、中少数族裔比例、平台经验等基本统计均衡。无显著差异，确保分组有效性和比较的公正性。[page::10]

3.2 主要处理效应（Table 2）

• AI推荐接受率：治疗组相较控制组整体减少4.5个百分点（从44%降至约39.5%，约10%降幅），仅在可切换回合中下降6.9个百分点（9%降幅），均达到统计显著。

- 最终任务准确率：治疗组下降2.7个百分点，从80.9%降至78.2%，表现递减3.3%。

• 反应时间：无显著变化，排除努力程度变化影响。

该趋势说明形象顾虑导致人们拒绝准确的算法推荐，依赖自身较差判断降低任务表现。[page::10-12]

3.3 累积分布函数（Figure 1）

显示治疗组参与者的AI采纳率整体向较低水平分布移动，实现一阶随机支配。统计测试中针对有切换选择的回合显著（p=0.012），表明整个样本AI采纳行为整体受影响，而非小批量极端个体表现差异。[page::12]

3.4 初次选择和努力控制

结果显示，初次选择阶段的准确率与反应时间无显著变化，甚至更多耗时对应低准确，反驳了参与者因“形象压力而加大努力再做判断”的假设。实验设计通过随机噪声控制图像难度变量来保证两组学习与努力机会相近。[page::13]

3.5 异质性分析（Table B.1，Figure 2）

• 性别和年龄非显著差异。

- 少数族裔群体对形象压力更为敏感，AI采纳率额外下降9.6个百分点（23%降幅），最终准确率额外下降4个百分点（5%降幅），达到统计显著或趋近。

• 具体族裔中，亚裔群体在治疗组内AI采纳降幅最大，也导致其准确率从最高滑落至最低，反映社会心理效应不平等地作用于不同族群，可能加剧劳动力市场不公平。

[page::14-15]

3.6 机制验证（Figures 3与4）

两组参与者被问及对即将来临Zoom视频观察的舒适度及对自己AI利用效果的满意度。

• 治疗组中感到不适人数增加55%，表明情绪和心理压力明显。

- 治疗组认可自己有效利用AI人数下降31%，反映了清晰的自我感知约束。

这支持形象顾虑是一种非工具性心理机制，而非认知失误或信任缺失。[page::15-16]



[page::16]

---

4. 估值方法与技术细节

报告无传统意义上的估值分析，但用经济学与行为实验方法构建了严谨的设计，包括：

• 差异性实验设计（Between-subject）：避免刺激交叉作用与实验者需求效应。

- 控制变量设计：任务使用基于Steyvers等(2022)公开数据集的图像分类任务，图像噪声水平引入难度变化，保证实验内控和结果泛化能力。

• 回归模型与固定效应控制：统计分析控制图像固定效应，标准误聚类在参与者层次，确保误差结构合理。

- 治疗组视频通话干预：设计简洁中性语言，减少声誉与货币影响，准确锁定非工具性形象机制。

---

5. 风险因素与局限性

• 实验外推风险：实验环境中观察个体为陌生研究者，现实中同事、客户等社交关系更为复杂，形象压力可能更强，也可能因持续互动产生长期策略调整。

- 样本代表性限制：因视频通话要求和试验通知，招募样本可能排除对公开曝光尤为敏感的受众，可能低估真实形象顾虑影响。

• AI准确率设定与任务特异性：实验使用的AI模型准确率固定为85%，现实中性能波动更大，且图像分类任务认知负载与工作场景差异较大，可能影响情境适应度。

- 行为经济学解释主导：将利用率下降完全归因于非工具性形象顾虑，忽略部分可能受微小信任波动、任务理解差异影响，需谨慎。

---

6. 批判性视角

该研究巧妙设计隔离了非经济与非声誉驱动的心理顾虑，揭示重要而通常被忽视的心理障碍。然而，研究结论是否完全适用于高度专业和长期协作的真实职场决策仍待进一步验证。
此外，少数族裔较弱的AI利用效果提示社会结构与偏见的深层纠缠，但报告未充分探讨反应机制背后的文化或社会根源，缺乏对如何缓解这类非经济壁垒的具体方案指引。
最后，实验中观测者效应本身即为研究对象，需谨慎处理社会化压力与实验干预带来的心理反应混淆。

---

7. 结论汇总

本报告系统呈现了非工具性形象顾虑如何成为人机协作中AI推荐低采纳率的重要心理机制。通过设计严谨的在线实验，作者观察到：

• 即使只有模糊的社会观察压力，参与者在任务中拒绝采纳准确率较高的AI推荐，导致整体表现下降。

- 形象顾虑的影响在少数族裔群体中尤为显著，可能加剧社会不平等与职场歧视。

• 参与者自我报告的心理不适与对AI利用的自我限制，佐证了形象顾虑的真实存在和作用机制。

图像分类任务的实验数据与其余大量文献实证相互印证，为理解AI辅助决策背后复杂的社会心理动力提供了有力证据。未来AI系统设计和组织管理须兼顾技术性能与社会心理维度，设计减少负面形象顾虑的激励与交互机制，以实现更有效且公平的人机协同。

---

附录：关键图表与图片解读

Table 1: 参与者基本统计概况

• 男女比例约50/50，年龄均值42岁左右，种族中40%为少数族裔，参与者平台审批经验丰富。

- 各组间无显著差异，保证后续对照分析有效。

Table 2: 处理效应定量结果

• AI使用率明显下降，最终正确回答率减少。

- 精确控制并排除努力差异因素。

Figure 1: AI使用率累积分布函数

• 治疗组全方位右移，意味着每个参与者水平均普遍下降对AI忠诚度。

Figure 2: 种族异质性效应

• 控制组亚裔AI使用最高、表现最好，治疗组则下降幅度显著，表明形象压力差异性。

Figures 3 & 4: 心理机制信号

• 治疗组参与者对视频观测显著不适，且自我感知AI利用率较低。

Figure A.1: 不同噪音级别下任务难度

• 清晰地显示高噪声（难度）图像导致正确率显著下降，保证实验的任务设计多样合理。

---

以上分析覆盖此报告的全部关键点和数据，深入解读了作者的核心论证、实验设计及其政策与学术重要性，为希望全面理解人机协作中复杂社会心理影响的金融领域或相关决策科学研究者提供专业辅导。
所有数据和结论均精确引用报告中对应页码标示，便于溯源核验。

报告