用户使用DeepSeek用于医疗保健目的的意图以及他们对大型语言模型的信任:跨国调查研究

科学领域:

• 人工智能的人工智能
• 人与计算机的交互
• 医疗信息学 医疗信息学

背景情况:

• 生成型人工智能 (AI),特别是大型语言模型 (LLM),正在获得各种应用的吸引力,包括与健康相关的查询.
• 了解用户信任和在个人健康等高风险领域采用人工智能仍然未被充分探索.

研究的目的:

• 调查如何使用方便性,感知有用性和风险感知影响用户信任和采用意图的DeepSeek,一个LLM平台,在医疗保健.
• 检查信任的调解作用在这些因素和收养意图之间的关系.

主要方法:

• 在印度,英国和美国的556名DeepSeek用户中,使用适应技术接受度量进行了一项调查.
• 用描述性统计和部分最小平方结构方程建模 (PLS-SEM) 分析数据,以评估直接,间接和非线性影响.

主要成果:

• 信任在很大程度上调解了DeepSeek用于健康目的的采用. 易用性通过信任间接影响采用,而感知到的有用性直接影响信任和采用.
• 风险感知对采用意图产生负面影响. 大多数用户 (59.3%) 在医疗保健中对人工智能感到满意,如果医生验证了输出.
• 深度搜索经常用于健康查询,超过80%的用户可能会从其他LLMs转向它.

结论:

• 用户对像DeepSeek这样的AI工具的采用对于健康来说取决于易用性,感知到的有用性和可信度.
• 信任充当一个关键的调解者,并且存在非线性关系,以方便使用和风险感知,这表明潜在的值效应.
• 未来的研究应该探索隐私,文化差异,并采用纵向设计来确定因果关系并完善对用户感知的理解.