人脸识别支付:感知风险如何影响用户接受度? | 科技导报

科技   科技   2025-01-23 16:37   北京  

本文基于技术接受与使用统一理论(UTAUT)模型,分析了影响人脸识别支付使用意愿的关键因素(绩效期望、努力期望、社会影响和便利条件),考察了5种感知风险维度(时间风险、隐私风险、法律风险、财务风险和健康风险)对绩效期望和努力期望的影响。通过对412份有效问卷数据进行结构方程分析,结果表明,UTAUT模型中的4个影响因素对使用人脸识别支付的使用意愿有显著正向影响。隐私风险和财务风险是用户最为关注的风险维度,对绩效期望和努力期望均产生了显著的负向影响。揭示了不同风险在人脸识别支付采纳中的具体影响机制。

根据国务院2017年颁布的《新一代人工智能发展规划》,人工智能已成为国际竞争的新焦点。牢牢把握人工智能发展的战略主动权,不仅能打造新的竞争优势,还能开拓广阔的发展空间。作为人工智能领域的一个分支,人脸识别支付技术凭借其广泛的应用潜力,迅速崛起为支付行业的新生力量。然而,人脸识别技术的发展伴随着隐私侵犯、社会伦理冲击和安全风险等挑战。要应对人工智能时代的浪潮与挑战,研究人们对于人脸识别支付的接受度显得尤为重要。除了对于有用性与使用便捷性感知的传统探索外,当前对于感知风险的探讨仍显不足,亟需从具体的风险维度展开深入研究,以更好地理解和推动人脸识别支付的健康发展,为早期治理措施制定提供参考。因此,本研究运用UTAUT模型探索人脸识别支付的采用影响因素,并深入理解感知风险对绩效期望和努力期望的影响。

1

理论背景与假设

1.1 UTAUT理论






UTAUT模型认为,绩效期望、努力期望、社会影响和便利条件4个关键变量能够显著影响人们对技术的行为意向(Behavioral Intension,BI)。

绩效期望(Performance Expectancy,PE):指个体认为使用某技术将有助于提升其工作绩效的程度。若用户认为人脸识别支付能提升效率等,其使用意愿会增强,故提出假设H1:PE会正向影响公众使用人脸识别支付技术的BI。

努力期望(Effort Expectancy,EE):是指用户在使用系统过程中感受到的努力程度,人脸识别支付在不同光线、角度和设备性能等条件下可能影响识别成功率,且额外的身份验证步骤和用户适应新技术的过程也可能影响便捷性体验,提出假设H2:EE会正向影响公众使用人脸识别支付技术的BI。

社会影响(Social Influence,SI):指个体感受到来自亲戚、朋友、同事、上级等周围群体对自己是否应该使用新技术的影响程度。提出假设H3:SI会正向影响公众使用人脸识别支付技术的BI。

便利条件(Facilitating Condition,FC)指个人认为有支持其使用系统的组织和基础设施的程度,人脸识别支付的FC主要体现在技术设备的支持、支付环境和基础设施的完善以及技术服务的可获取性。提出假设H4:FC会正向影响公众使用人脸识别支付技术的行为意向BI。


1.2 风险感知理论






风险感知会对公众行为意向产生负面影响,将UTAUT与风险感知理论结合研究新技术使用意愿是学术重要方向。

感知时间风险(TR)指用户担心使用人脸识别支付可能导致时间浪费,如果系统能够提供快速高效的交易体验,降低用户的感知TR,有助于提升其对人脸识别支付的PE和EE,提出假设H5:TR会对PE产生负面影响;假设H6:TR会对EE产生负面影响。

感知隐私风险(PR)指使用时个人隐私泄露风险,为了保护隐私,用户可能需要采取额外的安全措施,增加了使用的复杂性和努力成本,从而降低他们的EE。提出假设H7:PR会对PE产生负面影响。假设H8:PR会对EE产生负面影响。

感知法律风险(LR)指使用人脸识别支付时可能面临的法律争议和保护不确定性,会使用户对技术的安全性和可靠性持怀疑态度,提出假设H9:LR会对PE产生负面影响;假设H10:LR会对EE产生负面影响。

感知财务风险(FR)指用户在使用人脸识别支付时对可能的金钱损失或额外成本的担忧,提出假设H11:FR会对PE产生负面影响;假设H12:FR会对EE产生负面影响。

感知健康风险(HR)指用户认为使用可能对健康造成威胁的概率,提出假设H13:HR会对PE产生负面影响;假设H14:HR会对EE产生负面影响。

本文基于UTAUT模型,结合多维度的感知风险,构建了人脸识别支付使用意愿的假设模型,如图1所示。

图1 人脸识别支付使用意愿模型构建

2

数据和方法


中国是全球人脸识别支付应用的先行者,本研究采用方便抽样方法进行初步探索,以便快速获取较大规模的数据样本,识别影响用户使用意愿的关键因素。

2020年2月发放449份电子问卷,采用李克特五点量表,剔除无效问卷后获412份有效问卷,有效回收率91%。被调查者性别分布相对均衡,年龄以19-50岁为主,职业涵盖学生、企业员工和政府及公共机构工作人员等。

3

结果

采用信度检验(Cronbach's α和综合信度)和效度检验(收敛效度和区分效度)评估模型,并运用SPSS23.0和Amos23.0软件进行分析。

Cronbach's α值在0.793-0.942,综合信度(CR)值在0.795-0.942,因子载荷值在0.701-0.948,平均方差提取率(AVE)值在0.564-0.845,模型拟合度良好,表明问卷内部一致性、收敛效度和区分效度均良好。

表1展示了结构模型评估的假设测试结果。结果表示,10个假设得到了支持,4个假设未得到支持。

表1 结构方程结果

4

结论



基于UTAUT理论,探讨了影响用户接受人脸识别支付的关键因素,分析了感知风险对PE和EE的影响。结果显示,PE、EE、SI和FC 4个UTAUT的核心维度都对人脸识别支付的使用意愿有显著正向影响。PR和FR对PE和EE均有显著负向影响,LR和HR则分别对EE和PE具有显著的负向影响。这一结果为人脸识别支付技术的风险管理提供了更精准的视角,深化了对用户在技术接受过程中心理和行为复杂性的理解。

本研究存在一定的局限性。首先,数据采集主要依赖智能手机平台,导致样本群体集中于年轻人,在一定程度上限制了样本的代表性。例如,本研究结果显示约1/3的受访者年龄在19~25岁。未来研究可以通过结合线上与线下问卷调查或其他多样化的数据收集方式,以覆盖更广泛的人群,进而提升样本的代表性,揭示更多有价值的群体差异和行为特征。与此同时,进一步增加样本的数量以提高数据的代表性和统计结果的稳健性。其次,本研究在模型构建上仍有优化空间,尤其是在探讨感知风险对PE和EE的影响机制时。未来研究可以直接分析不同感知风险维度对使用意愿的影响,这将有助于简化分析路径,提供更为直观的结果,为管理者制定更具针对性的风险应对策略提供参考。此外,人脸识别支付技术的接受度与应用背景密切相关。在其他国家与地区,由于应用场景和基础设施建设的限制,人脸识别支付的推广优势可能不如其他方式显著。可以考虑开展跨国比较研究,以揭示人脸识别支付在全球背景下的普适性和区域差异性,为中国人脸识别支付技术的良性推广和健康治理提供有针对性的指导。

本文作者:李玟玟、韩玮、陈安
作者简介:李玟玟,中国科学院大学,中国科学院科技战略咨询研究院,博士研究生,研究方向为应急管理;陈安(通信作者),中国科学院科技战略咨询研究院,研究员,研究方向为应急管理。

论文全文发表于《科技导报》2024年第23期,原标题为《感知风险下的采用:人脸识别支付接受度分析》,本文有删减,欢迎订阅查看。

内容为【科技导报】公众号原创,欢迎转载
白名单回复后台「转载」

精彩内容回顾

AI也能做心理评估?最新研究进展看这里→ | 科技导报
一文读懂日本科研人员激励机制和特点 | 科技导报
透视人机融合:DIKWP模型的多领域应用探索 | 科技导报
基于真实世界数据:持续植物状态诊疗中的科学问题与突破方向 | 科技导报

镇肝熄风汤治疗高血压病的配伍特点有哪些?机器学习模型的答案在这里→ | 科技导报

《科技导报》创刊于1980年,中国科协学术会刊,主要刊登科学前沿和技术热点领域突破性的成果报道、权威性的科学评论、引领性的高端综述,发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、智库观点、科技评论、热点专题、综述、论文、学术聚焦、科学人文等。


《科技导报》微信公众平台创建于2014年,主要刊登《科技导报》期刊内容要点,报道热点科技问题、科技事件、科学人物,打造与纸刊紧密联系又特色鲜明的新媒体平台。
科技导报公众号聚集了数万名专心学术的未来之星和学术大咖,添加编辑微信,让优秀的你有机会与志趣相同的人相遇。


科技导报
中国科协会刊—《科技导报》官方账号
 最新文章