L'impact de l'empathie perçue sur les préoccupations pour la vie privée en ligne, le sentiment de malaise et la confiance d'un utilisateur dans un contexte chatbot
Notice bibliographique
Résumé
Lors d'une interaction avec un utilisateur, un chatbot devrait-il interagir en toute neutralité, ou simuler le comportement d’un être humain par la simulation de certaines émotions? Des chercheurs explorent depuis quelques années le développement d’interfaces conversationnelles sensibles aux émotions avec l’objectif d’améliorer l’expérience en ligne des utilisateurs en permettant, entre autres, la simulation d’empathie (McTear, 2020). L’usage d’empathie dans un contexte chatbot permet de développer une relation de confiance avec l’utilisateur (Pelau et al. 2021). Qu’en est-il lorsque des données confidentielles sont échangées? Quel est son rôle face au sentiment de malaise, une réaction sous-jacente aux préoccupations pour la vie privée de l’utilisateur. Pour répondre à ces questions, cet article examine l’effet de la perception d’empathie à l’égard d’un chatbot sur le mécanisme liant les préoccupations pour la vie privée en ligne, le sentiment de malaise et la confiance envers le chatbot. Pour ce faire, l’étude déploie une simulation de soumission d’assurance automobile dirigée par un chatbot auprès de 205 participants recrutés en collaboration avec une firme de recherche reconnue au Canada. Un modèle d’équations structurelles et des analyses de régression modérées ont été utilisés pour l’analyse des données. L’étude démontre que la perception d’empathie des utilisateurs à l’égard d’un chatbot réduit leurs préoccupations pour la vie privée en ligne, leur sentiment de malaise sous-jacent et augmente leur confiance. Le sentiment de malaise occupe aussi un rôle médiateur complet entre les préoccupations pour la vie privée en ligne et la confiance envers le chatbot. Finalement, on observe que l’effet des préoccupations pour la vie privée en ligne sur le sentiment de malaise et l’effet de cette dernière variable sur la confiance envers un chatbot est modéré par la perception d’empathie à l’égard de l’agent. L’étude comporte des implications pour les spécialistes du marketing. Tout d’abord, les résultats démontrent qu’il est possible de générer une perception d’empathie à l’égard du chatbot par l’intégration d’éléments clés dans une interaction. Cette perception augmente de manière significative la confiance envers un chatbot. Elle réduit aussi les préoccupations pour la vie privée des utilisateurs et leur malaise sous-jacent. D’ailleurs, les résultats soulignent aussi qu’il est possible de générer cette perception en utilisant une interface conversationnelle basée sur des règles. Ces différents constats démontrent l’accessibilité de cette pratique pour les organisations. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Chatbot, empathie perçue, préoccupations pour la vie privée en ligne, sentiment de malaise, confiance, marketing interactif, services financiers.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 tête enseignante, 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 ».