Examining the Impact of Robot Norm Violations on Participants’ Trust, Discomfort, Behaviour and Physiological Responses—A Mixed Method Approach
Notice bibliographique
Résumé
As robots increasingly permeate diverse domains like healthcare, education, service industries and homes, accurately understanding humans’ responses to and behaviour towards robots is crucial. While many human-robot interaction (HRI) studies focus on either quantitative or qualitative approaches, we advocate a mixed-method approach. This study investigated robot norm violations by implementing a scenario where a mobile manipulator robot and a human, in-person, carry out a physical, competitive task. Sixty-two participants were recruited and randomly assigned to either an experimental or a control condition (balanced for age/gender). The scenario was a competitive scavenger hunt game where participants took turns with a robot. We investigated the robot behaviours’ effects on trust, discomfort, competence, enjoyment, participant behaviour and physiological changes. The mixed-method approach integrated physiological measurements, behavioural observations and qualitative responses, thus offering a comprehensive account of HRI dynamics in the context of norm violations. Questionnaire results reveal significant shifts in human perceptions and attitudes when social norms are violated by robots, compared to a norm-compliant control condition. Specifically, trust and enjoyment decrease, discomfort increases and the robot’s perceived competence is compromised. These findings are extended through additional analyses of participants’ physiological changes, behaviours and responses to open-ended questions. Behavioural observations indicated increased verbal engagement and emotional responses, while physiological data showed elevated stress levels in the experimental group. Our study highlights the advantage of a mixed-methods approach combining different qualitative and quantitative data, providing a more comprehensive picture of participants’ perceptions of a robot, and how they react and respond to robot norm violations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,043 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».