Оценка психометрических свойств методики «Доверие к нейросетям»
DOI:
https://doi.org/10.33910/1992-6464-2026-219-123-133Ключевые слова:
доверие, искусственный интеллект, нейросети, адаптация методики, психометрические свойства, эмоциональный компонентАннотация
Введение. Искусственный интеллект, в частности генеративные нейросети, активно внедряется в различные сферы деятельности: экономику, образование и медицину. Одним из ключевых условий успешного и устойчивого использования таких технологий является доверие пользователей. Оно определяет степень принятия ответов, предлагаемых интеллектуальными системами, и готовность опираться на них в реальной практике. При этом низкий уровень доверия может препятствовать применению ИИ даже при высокой точности его работы, а избыточный уровень создает риски некритического следования рекомендациям. Несмотря на рост числа исследований, проблема диагностики доверия к ИИ остается нерешенной: существующие опросники преимущественно сфокусированы на когнитивных компонентах доверия, тогда как эмоциональная составляющая зачастую игнорируется. В данной статье представлена адаптация опросника А. Ю. Акимовой «Доверие к технике» для измерения доверия к нейросетям и проведена оценка его психометрических характеристик.
Материалы и методы. В исследовании приняли участие 218 респондентов: учащиеся старших классов школ и студенты вузов в возрасте от 15 до 37 лет. Адаптация заключалась в уточнении формулировок вопросов с учетом специфики взаимодействия с нейросетями при сохранении структуры оригинальной методики. Психометрический анализ включал проверку трудности и дискриминативности пунктов, оценку внутренней согласованности шкал (α-Кронбаха), ретестовой надежности, а также конвергентной и дивергентной валидности.
Результаты исследования. Адаптированный опросник «Доверие к нейросетям» продемонстрировал высокую внутреннюю согласованность (α = 0,906), удовлетворительные показатели трудности и дискриминативности пунктов, а также устойчивую ретестовую надежность (r = 0,879). Значимость эмоционального компонента в структуре доверия к нейросетям была подтверждена, чем обосновывается необходимость его включения в диагностическую модель.
Заключение. Полученные результаты позволяют рассматривать адаптированный опросник как надежный инструмент для диагностики доверия к нейросетям. Он может использоваться в образовательных и профессиональных исследованиях, а также в межгрупповом сравнении. Перспективы дальнейшей работы связаны с расширением выборки, уточнением факторной структуры методики
Библиографические ссылки
Akimova, A. Yu. (2020) Questionnaire “Trust of the Specialist to Equipment (TSE)”. Experimental Psychology, vol. 13, no. 3, pp. 209–222. (In Russian)
Angelgardt, A., Gorbunova, E., Chumakova, M. (2021) An assessment of trust in artificial intelligent agents: Tool development. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3974608 (In English)
Bazhin, E. F., Golynkina, E. A., Etkind, A. M. (1993) Questionnaire of the level of subjective control (USK). Moscow: Smysl Publ., 16 p. (In Russian)
Belyanin, A. V., Zinchenko, V. P. (2010) Trust in the economy and public life. Moscow: Liberal’naya missiya Publ., 164 p. (In Russian)
Benk, M., Tolmeijer, S., von Wangenheim, F., Ferrario, A. (2022) The value of measuring trust in AI — A sociotechnical system perspective. [Online]. Available at: https://arxiv.org/abs/2204.13480v1 (accessed 03.02.2025). (In English)
Castelo, N., Bos, M. W., Lehmann, D. R. (2018) Task-dependent algorithm aversion. Journal of Marketing Research, vol. 56, no. 5, pp. 809–825. https://doi.org/10.1177/0022243719851788 (In English)
Faulkner, P., Simpson, T. (2017) The philosophy of trust. Oxford: Oxford University Press., 299 p. (In English)
Hoff, K. A., Bashir, M. (2015) Trust in automation: Integrating empirical evidence on factors that influence trust. Human Factors, vol. 57, no. 3, pp. 407–434. https://doi.org/10.1177/0018720814547570 (In English)
Hoffman, R.. R., Mueller, S. T., Klein, G., Litman, J. (2023) Measures for explainable AI: Explanation goodness, user satisfaction, mental models, curiosity, trust, and human-AI performance. Frontiers in Computer Science, vol. 5, article 1096357. https://doi.org/10.3389/fcomp.2023.1096257 (In English)
Jian, J. Y., Bisantz, A. M., Drury, C. G. (2000) Foundations for an empirically determined scale of trust in automated systems. International. Journal of Cognitive Ergonomics, vol. 4, no. 1, pp. 53–71. https://doi.org/10.1207/S15327566IJCE0401_04 (In English)
Kaplan, A., Haenlein, M. (2019) Siri, Siri, in my hand: Who’s the fairest in the land? Business Horizons, vol. 62, no. 1, pp. 15–25. https://doi.org/10.1016/j.bushor.2018.08.004 (In English)
Kim, J., Giroux, M., Lee, J. C. (2021) When do you trust AI? The effect of number presentation detail on consumer trust and acceptance of AI recommendations. Psychology & Marketing, vol. 38, no. 7, pp. 1140–1155. https://doi.org/10.1002/mar.21498 (In English)
Komiak, S. Y. X., Benbasat, I. (2006) The Effects of Personalization and Familiarity on Trust and Adoption of Recommendation Agents. MIS Quarterly, vol. 30, no. 4, pp. 941–960. https://doi.org/10.2307/25148760 (In English)
Kuprejchenko, A. B. (2008) Psychology of trust and mistrust. Moscow: Institut psikhologii RAN Publ., 564 p. (In Russian)
Kyung, N., Kwon, H. E. (2022) Rationally trust, but emotionally? The roles of cognitive and affective trust in laypeople’s acceptance of AI for preventive care operations. Production and Operations Management. [Online]. Available at: https://doi.org/10.1111/poms.13785 (accessed 04.12.2024) (In English)
Lankton, N. K., McKnight, D. H., Tripp, J. (2015) Technology, humanness, and trust: Rethinking trust in technology. Journal of the Association for Information Systems, vol. 16 no. 10, pp. 880–918. https://doi.org/10.17705/1jais.00411 (In English)
Lee, J. (2004) Discriminant analysis of technology adoption behavior. Journal of Computer Information Systems, vol. 44, no. 4, pp. 57–66. (In English)
McAfee, A., Brynjolfsson, E. (2017) Machine, platform, crowd: Harnessing our digital future. New York: W. W. Norton & Company Publ., 288 p. (In English)
McAllister, D. J. (1995) Affect-and cognition-based trust. Academy of management journal, vol. 38, no. 1, pp. 24–59. https://doi.org/10.2307/256727 (In English)
Montag, C., Klugah-Brown, B., Zhou, X. et al. (2023) Trust toward humans and trust toward artificial intelligence. Personality Neuroscience, vol. 6, article e3. https://doi.org/10.1017/pen.2022.5 (In English)
Pitt, J. C. (2010) It’s not about technology. Knowledge, Technology & Policy, vol. 23, no. 3, pp. 445–454. https://doi.org/10.1007/s12130-010-9125-5 (In English)
Rotter, J. B. (1996) Generalized expectancies for interpersonal trust. American Psychologist, vol. 26, no. 5, pp. 443–452. https://doi.org/10.1037/h0031464 (In English)
Soldatova, G. U., Skripkina, T. P. (2006) Trust in socio-psychological interaction. Rostov-on-Don: Southern Federal University Publ., 356 p. (In Russian)
Thiebes, S., Lins, S., Sunyaev, A. (2020) Trustworthy artificial intelligence. Electronic Markets, vol. 31, no. 2, pp. 447–464. https://doi.org/10.1007/s12525-020-00441-4 (In English)
von Eschenbach, W. J. (2021) Transparency and the black box problem. Why we do not trust AI. Philosophy & Technology, vol. 34 no. 4, pp. 1607–1622. https://doi.org/10.1007/s13347-021-00477-0 (In English)
Yamagishi, T., Kikuchi, M., Kosugi, M. (1999) Trust, gullibility, and social intelligence. Asian Journal of Social Psychology, vol. 2, no. 1, pp. 145–161. https://doi.org/10.1111/1467-839X.00030 (In English)
Zhao, X., You, W., Zheng,Z. et al. (2025) How Do consumers trust and accept AI agents? An extended theoretical framework and empirical evidence. Behavioral Sciences, vol. 15, no. 3, pp. 337–360. https://doi.org/10.3390/bs15030337 (In English)
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Лапшина Екатерина Андреевна
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы предоставляют материалы на условиях публичной оферты и лицензии CC BY 4.0. Эта лицензия позволяет неограниченному кругу лиц копировать и распространять материал на любом носителе и в любом формате в любых целях, делать ремиксы, видоизменять, и создавать новое, опираясь на этот материал в любых целях, включая коммерческие.
Данная лицензия сохраняет за автором права на статью, но разрешает другим свободно распространять, использовать и адаптировать работу при обязательном условии указания авторства. Пользователи должны предоставить корректную ссылку на оригинальную публикацию в нашем журнале, указать имена авторов и отметить факт внесения изменений (если таковые были).
Авторские права сохраняются за авторами. Лицензия CC BY 4.0 не передает права третьим лицам, а лишь предоставляет пользователям заранее данное разрешение на использование при соблюдении условия атрибуции. Любое использование будет происходить на условиях этой лицензии. Право на номер журнала как составное произведение принадлежит издателю.
