الفائدة المدركة لروبوت الدردشة

1. الملخص

يمثل مقياس الفائدة المدركة لروبوت الدردشة (Perceived Chatbot Usefulness) أداة سيكومترية مقننة صُممت لقياس وتقييم المعتقدات الإدراكية لدى المستهلكين والمستخدمين بشأن مدى كفاءة، وفائدة، وقدرة روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي (Artificial Intelligence) المخصصة لخدمة العملاء مقارنة بممثلي الخدمة من البشر. طور هذا المقياس الباحثون نوح كاستيلو (Noah Castelo)، ويوهانس بوغيرزهاوزن (Johannes Boegershausen)، وكريستيان هيلدبراند (Christian Hildebrand)، وألكسندر بي. هينكل (Alexander P. Henkel) عام 2023 ضمن دراستهم المنشورة في دورية Journal of Consumer Research، والتي بحثت سبل فهم وتعديل استجابات وسلوكيات المستهلكين تجاه وكلاء الخدمة المؤتمتين.

يتألف المقياس من أربع فقرات مصاغة بدقة لتقييم بناء نفسي أحادي البعد يعكس المنفعة الوظيفية والقدرة المدركة على حل المشكلات والتشابه النوعي مع الخدمة البشرية. يتم استيفاء الاستجابات باستخدام مقياس ليكرت السباعي (7-point Likert scale) المتدرج من (1 = أعارض بشدة) إلى (7 = أوافق بشدة). تشير الخصائص السيكومترية للمقياس عبر التجارب المتعددة إلى تمتعه بمستويات استثنائية من الاتساق الداخلي (حيث تجاوزت قيم معامل ألفا كرونباخ 0.90 في مختلف العينات التجريبية)، وثبات تركيبي متميز، فضلًا عن إثبات الصدق التقاربي، والتنبؤي، والتمايزي في سياقات تسويقية وتقنية متنوعة، مما يجعله أداة قيّمة للباحثين في مجالات علم النفس الإداري، وسلوك المستهلك، والتفاعل بين الإنسان والحاسوب (Human-Computer Interaction).

2. الكلمات المفتاحية

الفائدة المدركة، روبوتات الدردشة، خدمة العملاء، الذكاء الاصطناعي، سلوك المستهلك، التفاعل بين الإنسان والآلة، الأتمتة الخدمية، الوكلاء الافتراضيون، علم النفس التسويقي، القياس النفسي.

3. المؤلفون

تم تطوير هذا المقياس كجزء من دراسة تجريبية متعمقة حول سيكولوجية تقبل المستهلكين للتقنيات المؤتمتة من قِبل نخبة من الباحثين الأكاديميين المتخصصين في التسويق وعلم نفس المستهلك:

• د. نوح كاستيلو (Noah Castelo): أستاذ مساعد في التسويق، كلية إدمونتون لإدارة الأعمال، جامعة ألبرتا (University of Alberta)، كندا. تركز أبحاثه على كيفية تأثير التقنيات الحديثة والذكاء الاصطناعي على السلوك البشري واتخاذ القرار. البريد الإلكتروني: [email protected].
• د. يوهانس بوغيرزهاوزن (Johannes Boegershausen): أستاذ مساعد في التسويق، كلية كينان-فلاجلر للأعمال، جامعة كارولاينا الشمالية في تشابل هيل (University of North Carolina at Chapel Hill)، الولايات المتحدة الأمريكية. تتركز اهتماماته حول تفاعل المستهلك مع التكنولوجيا، ورفاهية المستهلك الرقمية.
• د. كريستيان هيلدبراند (Christian Hildebrand): أستاذ التسويق وتحليلات البيانات الكمية، مدير معهد رؤى العملاء، جامعة سانت غالن (University of St. Gallen)، سويسرا. يركز على الحوسبة السلوكية والتفاعل بين الإنسان والذكاء الاصطناعي التوليدي.
• د. ألكسندر بي. هينكل (Alexander P. Henkel): أستاذ مشارك في علوم الإدارة والتسويق، جامعة هولندا المفتوحة (Open University of the Netherlands)، هولندا. تتمحور دراساته حول تصميم تجارب الخدمة والتفاعل الآلي-البشري.

4. الغرض

يهدف مقياس الفائدة المدركة لروبوت الدردشة إلى تشخيص وتكميم الانطباعات العقلانية والتقييمات المعرفية التي يصيغها المستهلكون إزاء استخدام الروبوتات الحوارية المبرمجة بدلاً من الموظفين البشريين عند معالجة طلبات واستفسارات الدعم الفني وخدمة العملاء. تنبع الحاجة إلى هذا المقياس من التناقض السلوكي القائم في بيئة الأعمال المعاصرة؛ إذ تتبنى الشركات روبوتات الخدمة لخفض التكاليف التشغيلية وتحقيق الاستجابة الفورية على مدار الساعة، في حين يظهر المستهلكون غالباً نفوراً مسبقاً أو تحفظاً معرفياً تجاه التعامل مع الوكلاء الاصطناعيين، وهي ظاهرة تُعرف في الأدبيات النفسية بنفور الخوارزميات (Algorithm Aversion).

في السياق البحثي، يُستخدم المقياس كمتغير وسيط حاسم (Mediator) يفسر كيفية تأثير الاستراتيجيات التواصلية لروبوتات الدردشة (مثل الإفصاح عن الهوية الآلية في بداية المحادثة مقابل نهايتها، أو استخدام نبرة تعاطفية) على الرضا الإجمالي، ونوايا إعادة الشراء، وسلوكيات التوصية الشفهية (Word-of-Mouth). كما يتيح فحص الفروق الفردية في الثقة بالتقنية، والمقارنة المباشرة بين الكفاءة النسبية للآلات مقارنة بالبشر.

أما في التطبيقات الإكلينيكية والعملية ضمن المنظمات، فيساعد المقياس مديري تجربة المستخدم (UX) واستشاريي التصميم على تشخيص فجوات الأداء الإدراكي لروبوتات الدردشة قبل نشرها على نطاق واسع، ومراقبة جودة الخدمة الرقمية، وتصميم تدخلات تعزز من الكفاءة المحسوسة لمنع مشاعر الإحباط والرفض لدى المستهلكين، وبالتالي تقليل الاحتكاك النفسي في بيئات التسوق والتفاعل الرقمية المعقدة.

5. البناء النفسي

يرتكز البناء النفسي للمقياس على مفهوم “الفائدة المدركة” بوصفها تقييماً ذاتياً إدراكياً يعكس مدى اعتقاد الفرد بأن استخدام تقنية معينة سيعزز من إنجاز المهام المطلوبة بكفاءة ويسر. وفي إطار هذا المقياس، يتميز البناء بطبيعته النسبية والتقييمية؛ حيث لا يُقاس الأداء بمعزل عن السياق، بل تتم مقارنة قدرات الآلة بمعايير الخدمة البشرية التقليدية.

يتناول البناء ثلاثة أبعاد فرعية مندمجة مفاهيمياً في عامل رئيسي واحد:

• المنفعة الإجرائية والوظيفية (Instrumental Utility): تشير إلى مدى مساهمة الروبوت في معالجة طلبات الخدمة وتسهيل إنجاز المعاملات. تعكس هذه الناحية الجانب البراغماتي في تقييم التقنية، ومثال ذلك إدراك العميل أن الروبوت يختصر مسارات الاستفسار ويوفر الوقت والجهد المبذولين.
• الكفاءة والفاعلية في حل المشكلات (Problem-Solving Competence): تركز على قدرة الروبوت التقنية والمنطقية على تشخيص الأخطاء وتقديم حلول حقيقية ونهائية للمشكلات المعقدة التي يواجهها العميل، متجاوزاً الإجابات النمطية أو الآلية السطحية.
• التكافؤ النسبي مع العامل البشري (Relative Parity to Human Agents): يمثل هذا المحور ركيزة جوهرية في مقياس كاستيلو وزملائه (2023)، حيث يقيّم ما إذا كان المستهلك ينظر إلى روبوت الدردشة بوصفه نداً حقيقياً ومكافئاً لممثل الخدمة البشري في جودة المخرجات، وليس مجرد بديل أدنى كفاءة تفرضه الشركات لتقليل التكاليف.

يسهم التفاعل المعرفي بين هذه الأبعاد في تشكيل تقييم كلي للفائدة المدركة، والذي بدوره يحدد مستوى القبول النفسي أو النفور السلوكي تجاه التفاعل التقني المستقبلي.

6. الإطار النظري

يستند المقياس إلى تقاطع ثري بين نظريات علم النفس المعرفي، ونظريات قبول التكنولوجيا، وأدبيات علم النفس الاجتماعي المنبثقة عن تفاعل الإنسان مع الحواسيب. ويستمد المقياس جذوره بالأساس من النماذج التالية:

1. نموذج قبول التكنولوجيا (Technology Acceptance Model – TAM): الذي أسسه فريد ديفيس (Fred Davis) عام 1989، والذي يفترض أن الفائدة المدركة (Perceived Usefulness) وسهولة الاستخدام المدركة (Perceived Ease of Use) هما المحددان الرئيسيان للمواقف السلوكية والنية الفعلية لتبني أي نظام تقني. طوّر كاستيلو وزملاؤه هذا المفهوم لينتقل من بيئة البرمجيات المكتبية العامة إلى بيئة الوكلاء الأذكياء الحواريين في قطاع الخدمات.

2. نظرية إسناد العقل (Theory of Mind وإدراك الوكالة): تشير أبحاث علم النفس الاجتماعي، لا سيما أعمال غراي وويغنر (Gray & Wegner)، إلى أن البشر يدركون الكيانات غير البشرية عبر بعدين أساسيين: بعد “الخبرة” (Experience – القدرة على الشعور بالألم والفرح) وبعد “الوكالة” (Agency – القدرة على التفكير والتخطيط وحل المشكلات). يفترض الإطار النظري للمقياس أن تقييم فائدة الروبوت يعتمد بشكل أساسي على مدى إسناد المستهلكين لعنصر “الوكالة المعرفية والكفاءة” إلى الروبوت، والتغلب على الافتراض المسبق بأن الآلات تفتقر إلى الفهم والحدس اللذين يمتلكهما البشر.

3. نظرية التناقض التوقعي (Expectancy-Disconfirmation Theory): تُبرز كيفية مقارنة المستهلكين لتوقعاتهم المسبقة حول أداء الخدمة مع التجربة الواقعية؛ حيث إن الكشف المبكر عن الهوية الآلية للروبوت قد يثير توقعات منخفضة حول الفائدة، ولكن تقديم الروبوت لأداء عالٍ يفوق التوقع يؤدي إلى تقييم إيجابي متزايد للفائدة والفاعلية المدركة.

7. الصدق

خضع مقياس الفائدة المدركة لروبوت الدردشة لعمليات تحقق سيكومترية صارمة عبر سلسلة من التجارب المخبرية والميدانية المضمنة في دراسة كاستيلو وزملائه (2023)، شملت مستهلكين حقيقيين ومشاركين عبر منصات دراسات السلوك (مثل Prolific وMTurk):

• صدق البناء (Construct Validity): أكدت تحليلات النمذجة بالمعادلات البنائية (SEM) أن الفقرات الأربع تعكس بنجاح المفهوم النظري للفائدة المدركة، حيث ارتبطت بقوة بالبناء الكامن وبقيم تشبعات تجاوزت المعايير القياسية الموصى بها.
• الصدق التقاربي (Convergent Validity): أظهرت الدرجات المحسوبة ارتباطات إيجابية دالة إحصائياً (p < .001) مع مقاييس أخرى متصلة، مثل الرضا الإجمالي عن الخدمة (Service Satisfaction)، والنية في استخدام الروبوت مستقبلاً، والتقييم الإيجابي للكفاءة التقنية. وبلغ متوسط التباين المستخرج (Average Variance Extracted – AVE) قيماً أعلى من عتبة 0.70 المقبولة دولياً.
• الصدق التمايزي (Discriminant Validity): أثبتت التحليلات تميز المقياس بوضوح عن المتغيرات المجاورة، مثل النزعة العامة للثقة بالبشر، أو القلق التكنولوجي العام (Technophobia)، وفق معيار فورنيل ولاركر (Fornell-Larcker criterion)، حيث كانت الجذور التربيعية للتباين المستخرج أعلى بكثير من معاملات الارتباط بين البناء والبناءات الأخرى.
• الصدق التنبؤي (Predictive Validity): أظهرت النتائج أن الدرجات المرتفعة على المقياس تنبأت بشكل موثوق بانخفاض مستويات الشكاوى اللاحقة، وزيادة معدل التحويل التسويقي، واستعداد المستهلك لمشاركة تفاصيل بياناته الشخصية أثناء الخدمة لحل المشكلات المعقدة.

8. الثبات

أظهر المقياس مستويات رفيعة ومستقرة من الاتساق الداخلي (Internal Consistency) عبر مختلف الدراسات والتجارب التجريبية، وفيما يلي استعراض للمؤشرات الإحصائية المحددة في أبحاث التحقق:

• معامل ألفا كرونباخ (Cronbach’s Alpha): تراوحت قيم ألفا للفقرات الأربع عبر العينات المختلفة بين 0.91 و0.95 (على سبيل المثال: α = 0.93 في الدراسة التجريبية رقم 1، وα = 0.94 في الدراسة رقم 3 لدى كاستيلو وزملائه 2023)، وهي قيم تفوق بكثير الحد الأدنى المقبول سيكومترياً (0.70)، مما يدل على أن الفقرات تشترك في قياس نفس البناء الإدراكي دون تباين غير مرغوب فيه.
• الموثوقية المركبة (Composite Reliability – CR): تجاوزت قيمة CR حاجز 0.92 في جميع التقييمات، ما يعزز ثقة الباحثين في خلو المقياس من أخطاء القياس العشوائية.
• ثبات الاتساق بين العينات: أظهر المقياس استقراراً عبر سياقات خدمية متباينة (مثل الخدمات المالية والمصرفية، وحجوزات الفنادق، والتجارة الإلكترونية)، مما يؤكد قوة ثباته وقابليته للتعميم عبر مختلف أنواع المشكلات الاستهلاكية.

9. التحليل العاملي

أجريت تحليلات عاملية استكشافية وتأكيدية للتحقق من البنية الكامنة للمقياس:

التحليل العاملي الاستكشافي (Exploratory Factor Analysis – EFA)

أظهر التحليل العاملي الاستكشافي باستخدام طريقة المحاور الرئيسية والدوران المتعامد (Varimax Rotation) تشبع جميع الفقرات الأربع على عامل واحد رئيسي ذي جذر كامن (Eigenvalue) يتجاوز 3.10، حيث فسر هذا العامل المنفرد ما يزيد عن 78% من التباين الكلي المفسر للبيانات. وجاءت تشبعات الفقرات (Factor Loadings) عالية بصورة استثنائية وتراوحت جميعها بين 0.84 و0.93، دون وجود أي دلالات على وجود عوامل ثانوية أو تشتت في التباين المشترك.

التحليل العاملي التأكيدي (Confirmatory Factor Analysis – CFA)

أكدت نتائج التحليل العاملي التأكيدي التطابق الممتاز لنموذج العامل الأحادي المفرد مع البيانات الميدانية، وجاءت مؤشرات جودة المطابقة على النحو التالي:

• مؤشر المطابقة المقارن (CFI) > 0.98
• مؤشر توكر-لويس (TLI) > 0.97
• جذر متوسط مربعات خطأ التقريب (RMSEA) < 0.05
• جذر متوسط المربعات المتبقية المعيارية (SRMR) < 0.03

تثبت هذه النتائج بشكل قاطع أحادية بعد المقياس وسلامته الإحصائية، وعدم الحاجة لأي تعقيد إضافي في بنية النمذجة.

10. أداة القياس

تتضمن الخصائص التشغيلية لأداة القياس ما يلي:

• نوع الاختبار: مقياس تقرير ذاتي (Self-Report Inventory) موجز لتقييم الإدراك التكنولوجي وسلوك المستهلك.
• التنسيق: استبيان رقمي أو ورقي مصمم ليُقدم للمشاركين مباشرة بعد التفاعل مع وكيل خدمة آلي أو بعد قراءة سيناريو افتراضي لمحاكاة تفاعل الخدمة.
• عدد الفقرات: 4 فقرات مصاغة بوضوح ومباشرة.
• مقياس الاستجابة: مقياس ليكرت سباعي النقاط (7-point Likert scale) يتدرج كالتالي: 1 = أعارض بشدة (Strongly disagree)، 2 = أعارض، 3 = أعارض قليلاً، 4 = محايد، 5 = أوافق قليلاً، 6 = أوافق، 7 = أوافق بشدة (Strongly agree).
• طريقة حساب الدرجات: يتم احتساب الدرجة الكلية عن طريق حساب المتوسط الحسابي لدرجات الفقرات الأربع معاً، بحيث ينتج عن ذلك مؤشر إجمالي واحد يتراوح بين 1 و7.
• تفسير الدرجات: تشير الدرجات الأعلى إلى مستويات أعلى من الفائدة والكفاءة المدركة للروبوت التفاعلي مقارنة بممثلي الخدمة البشريين.
• الفقرات المعكوسة: لا يحتوي المقياس على أي فقرات معكوسة الصياغة؛ فجميع العبارات موجهة إيجابياً لقياس الفائدة والكفاءة والفاعلية.

11. الأذونات والرسوم وسنة الاختبار

نُشر المقياس رسمياً في عام 2023 ضمن الورقة العلمية المنشورة في دورية Journal of Consumer Research. وبموجب التقاليد الأكاديمية والأعراف العلمية، فإن المقياس متاح للاستخدام المجاني للأغراض البحثية والتعليمية غير التجارية دون الحاجة إلى دفع أي رسوم ترخيص مالية، شريطة الاستشهاد بالورقة البحثية الأصلية وتوثيق عمل المؤلفين وفق الأصول العلمية المعتمدة (Fair Use for Academic Research).

في حالة الرغبة في دمج المقياس كجزء من أنظمة تجارية ربحية، أو أدوات استشارية مسجلة الملكية، أو اختبارات داخلية لتقييم البرمجيات المؤسسية على نطاق تجاري واسع، يوصى بالرجوع إلى أصحاب حقوق النشر (دار نشر جامعة أكسفورد / جمعية أبحاث المستهلك Association for Consumer Research) والمؤلف الرئيسي للحصول على التراخيص الرسمية المطلوبة.

12. المراجع

• Castelo, N., Boegershausen, J., Hildebrand, C., & Henkel, A. P. (2023). Understanding and improving consumer reactions to service bots. Journal of Consumer Research, 50(4), 848–863. https://doi.org/10.1093/jcr/ucad024
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Dietvorst, B. J., Simmons, J. P., & Massey, C. (2018). Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them. Management Science, 64(3), 1155–1170. https://doi.org/10.1287/mnsc.2016.2643
• Gray, H. M., Gray, K., & Wegner, D. M. (2007). Dimensions of mind perception. Science, 315(5812), 619–619. https://doi.org/10.1126/science.1134475
• Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460–469. https://doi.org/10.1177/002224378001700405
• Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540

13. فقرات المقياس