图源：今文提示 ideogram生成
中央民族大学向安玲博士的论文正是对这一现象的深入剖析。该文基于社交媒体数据和调查问卷，结合创新抵制理论，对生成式人工智能应用中的阻力因素进行了系统分析，并探讨了多重阻力生成机制。
传统上，关于技术扩散和用户采纳的研究多聚焦于“亲变革偏向”，即默认用户大多愿意接受新技术并尝试使用。然而，向安玲博士敏锐地指出了现有研究的不足，强调了“消极抵制”在创新扩散过程中的重要性。她通过引入创新抵制模型，将研究视角从“积极抵制”转向了“消极抵制”，为我们更全面地理解用户对生成式人工智能的态度和行为提供了新的视角。
研究方法的创新
该文采用了大数据挖掘与问卷调查相结合的方法，对生成式人工智能的应用阻力进行了实证研究。通过清博智能大数据系统获取的海量社交媒体数据，以及通过Credamo和问卷星平台收集的有效问卷，向安玲博士成功构建了一个全面、客观的数据基础。这种跨学科的研究方法不仅提高了研究的科学性和准确性，也为后续的分析和讨论提供了有力支撑。
理论框架的创新
在理论框架的构建上，向安玲博士不仅借鉴了现有的创新扩散理论和创新抵制模型，还结合生成式人工智能的特点进行了拓展和延伸。她将阻力因素划分为情境性因素和心理性因素，并进一步细分为消极阻力和积极阻力，形成了一个完整的理论分析框架。这一框架不仅有助于我们更深入地理解生成式人工智能应用阻力的形成机制，也为后续的研究提供了重要的理论参考。
数据收集
社交媒体数据挖掘：通过清博智能大数据系统，以关键词检索规则从多个网络平台抓取了大量的开源数据。这些数据涵盖了微博、微信公众号、知乎、小红书、抖音、快手、主流新闻客户端等多个渠道，保证了数据的广泛性和代表性。
问卷调查：为了进一步了解用户对生成式人工智能应用的感知情况，向安玲博士设计了一份详细的问卷。问卷通过Credamo和问卷星平台发放，共回收有效问卷494份。问卷设计合理，问题设置科学，能够有效地收集用户的真实反馈。
数据处理与分析
数据清洗与预处理：对抓取的社交媒体数据进行去重、标题匹配、相似聚类等处理，提取出52项显著度较高的阻力因素。
编码与聚类分析：结合创新抵制理论，对上述阻力因素进行人工编码和聚类分析，将其划分为消极阻力和积极阻力两大类。
描述统计与推断统计：利用问卷调查数据，对各类阻力因素的影响程度进行描述统计和推断统计分析，揭示不同阻力因素在用户中的分布情况和影响力。
确定研究问题
明确研究的核心问题是探讨生成式人工智能应用中的阻力因素及其生成机制。通过对现有文献的梳理和分析，确定了研究的具体方向和重点。
构建理论框架
在借鉴现有理论的基础上，结合生成式人工智能的特点，构建了一个包含消极阻力和积极阻力的理论分析框架。这一框架为后续的数据分析和讨论提供了清晰的指导。
数据收集与处理
按照既定的数据收集策略，通过社交媒体数据挖掘和问卷调查获取了大量数据。对数据进行清洗、预处理、编码和聚类分析，形成了可用于分析的基础数据集。
数据分析与讨论
利用描述统计和推断统计方法对数据进行分析，揭示了不同阻力因素的影响程度和分布情况。结合理论框架对分析结果进行讨论，解释了阻力因素的形成机制和影响因素。
得出结论与建议
在综合分析的基础上，得出了生成式人工智能应用中消极阻力占据主导地位的结论。针对这一结论，提出了包容审慎的硬性法规约束和透明协作的柔性补偿机制作为弱化创新阻力的必要之道。
消极阻力的主导地位：研究结果显示，用户在未使用生成式人工智能产品之前，往往因为对其技术能力、安全性、伦理道德等方面的担忧而选择拒绝使用。这种消极阻力主要源于外部情境性因素（如技术惯性、功能固着性、相对优势等）和内部认知性因素（如个体兴趣、风险偏好、教条主义等）。
创新扩散的早期特性：由于生成式人工智能目前还处于创新扩散的早期阶段，多数用户对其了解有限，因此更容易产生消极抵触情绪。这也提醒我们，在推广新技术时，需要更加注重用户的认知教育和心理引导。
多重阻力生成机制：研究揭示了生成式人工智能应用阻力的多重生成机制，包括技术不确定性焦虑、资本操纵下的破坏式创新、政治内嵌的人机价值对齐等。这些机制相互交织、共同作用，形成了复杂而多样的阻力网络。
跨文化差异：不同文化背景下的用户对生成式人工智能的态度和行为可能存在显著差异。未来研究可以通过跨文化比较，探讨文化因素在生成式人工智能应用阻力中的作用。
政策与法规影响：政府政策和法规对生成式人工智能的发展和应用具有重要影响。未来研究可以关注不同政策和法规环境下用户对生成式人工智能的态度变化及其背后的原因。
技术与社会的协同发展：生成式人工智能的发展不仅关乎技术进步，更涉及到社会伦理、法律规范等多方面的问题。未来研究可以探索如何实现技术与社会的协同发展，确保技术在推动社会进步的同时，不会带来不可控的风险和负面影响。
结语
向安玲博士的这篇论文通过对生成式人工智能应用中的阻力进行分层与分类探讨，揭示了在创新扩散早期，相比于“用而后舍”的积极阻力，“不用而弃”的消极阻力占据主导地位。
研究结果表明，情境性因素和心理性因素共同作用于阻力的生成与演化。为了弱化创新阻力，提出了包容审慎的硬性法规约束和透明协作的柔性补偿机制。这一研究为创新技术应用与扩散提供了决策参考，并为未来的技术发展和政策制定提供了重要依据。
图文收集自网络，非本号观点；如有侵权，请联系删除
更多前沿论文解读，请每日关注AI今说~
