Ocena zależności między wizerunkiem robota a zaufaniem do robota w świetle koncepcji doliny niesamowitości, na przykładzie zawodów o wysokim prestiżu społecznym
Tomasz Kruszewski
http://orcid.org/0000-0002-3062-9454
Afiliacja: Katedra Kognitywistyki, Instytut Badań Informacji i KomunikacjiUniwersytet Mikołaja Kopernika w Toruniu, Polska
Abstrakt
Cel/Teza: Głównym celem artykułu jest weryfikacja tezy o istnieniu zjawiska doliny niesamowitości w ocenie zaufania do robotów, na przykładzie robotów reprezentujących wybrane zawody o wysokim poważaniu społecznym. Sprawdzono także zależność poczucia bezpieczeństwa człowieka od rodzaju usług wykonywanych przez roboty.
Koncepcja/Metody badań: Badanie przeprowadzono metodą sondażu (survey’u) na grupie celowej studentów kilku kierunków z zakresu nauk społecznych i humanistycznych, w którym wykorzystano kwestionariusz ankiety zawierający wizerunki robotów antropomorficznych o różnym stopniu podobieństwa do człowieka. Ocenie zaufania podlegały roboty wykonujące sześć zawodów: sprzedawca, robotnik wykwalifikowany, lekarz, pielęgniarka, profesor uczelni, księgowa. Wnioskowanie przeprowadzono na podstawie rozkładów ocen oraz testu niezależności chi-kwadrat.
Wyniki i wnioski: Badanie potwierdziło istnienie zjawiska doliny niesamowitości oraz zależności między poziomem zaufania i bezpieczeństwa a rodzajem pracy wykonywanej przez robota.
Oryginalność/Wartość poznawcza: Według wiedzy autora, dotychczas nie badano w Polsce zjawiska doliny niesamowitości z uwzględnieniem ról zawodowych robotów jako zmiennej niezależnej
Słowa kluczowe
Dolina niesamowitości; Emocje; Percepcja twarzy; Roboty antropomorficzne; Role zawodowe; Sztuczna inteligencja
Bibliografia
Bartneck, Ch., Kanda, T., Ishiguro, H., Hagita, N. (2007). Is the Uncanny Valley an Uncanny Cliff? In: RO-MAN 2007 – The 16th IEEE International Symposium on Robot and Human Interac¬tive Communication. August 26–29, 2007, Jeju Island, South Korea, Proceedings (368–373). IEEE. 10.1109/ROMAN.2007.4415111.
Bartneck, Ch. Kulić, D., Croft, E., Zoghbi, S. (2008). Measurement Instruments for the Anthropomor¬phism, Animacy, Likeability, Perceived Intelligence, and Perceived Safety of Robots. International Journal of Social Robotics, January, 71–81.
Burleigh, T. J., Schoenherr, J. R., Lacroix, G. L. (2013). Does the Uncanny Valley Exist? An Empirical Test of the Relationship Between Eeriness and the Human Likeness of Digitally Created Faces. Computers in Human Behavior, 29 (3), 759–771.
CBOS (2013). Komunikat z badań: BS/164/2013: prestiż zawodów, oprac. A. Cybulska [online]. CBOS [11.02.2019], https://www.cbos.pl/SPISKOM.POL/2013/K_164_13.PDF
Frey, C. B, Osborne, M. A. (2013). The Future of Employment. How Susceptible Are Jobs to Compu¬terisation? [online]. Oxford Martin School [13.02.2019], https://www.oxfordmartin.ox.ac.uk/ downloads/academic/The_Future_of_Employment.pdf
Iafrate, F. (2018). Artificial Intelligence and Big Data: The Birth of a New Intelligence. London: John¬Wiley & Sons.
Kaplan, J. (2019). Sztuczna inteligencja. Co każdy powinien wiedzieć. Warszawa: PWN.
MacDorman, K. F. (2006). Subjective Ratings of Robot Video Clips for Human Likeness,
Familiarity, and Eeriness: An Exploration of the Uncanny Valley. In: ICCS/CogSci-2006 Long Sympo¬sium: Toward Social Mechanisms of Android Science (26–29). July 26, 2006. Vancouver, Canada.
MacDorman, K. F., Chattopadhyay, D. (2016). Reducing Consistency in Human Realism Increases the Uncanny Valley Effect; Increasing Category Uncertainty Does Not. Cognition, 146, 190–205.
Mathur, M. B., Reichling, D. B. (2016). Navigating a Social World with Robot Partners. A Quantitative Cartography of the Uncanny Valley. Cognition, January, 22–32.
Mori, M. (2012). The Uncanny Valley [From the Field]. transl. K.M. MacDorman & N. Kageki. IEEE Robotics & Automation Magazine, 2, 98–100.
Siau, K., Wang, W. (2018). Building Trust in Artificial Intelligence, Machine Learning, and Robotics. Cutter Business Technology Journal, 2, 47–53.
Sobczyk, M. (2012). Statystyka, Warszawa: PWN.
Wójcik, M. (2018a). Rozszerzona rzeczywistość w usługach informacyjnych bibliotek, Kraków: Wyd. UJ.
Wójcik, M. (2018b). Sztuczna inteligencja – potencjał dla procesów zarządzania informacją. Przegląd Biblioteczny, 1, 5–15.
Yamada, Y., Kawabe, T., Ihaya, K. (2013). Categorization Difficulty is Associated with Negative Eva¬luation in the “Uncanny Valley” Phenomenon. Japanese Psychological Research, 1, 20–32.
http://orcid.org/0000-0002-3062-9454
Afiliacja: Katedra Kognitywistyki, Instytut Badań Informacji i KomunikacjiUniwersytet Mikołaja Kopernika w Toruniu, Polska
Biogram:
Dr hab. TOMASZ KRUSZEWSKI, prof. UMK, bibliolog i informatolog, psychoterapeuta poznawczo-behawioralny. Najważniejsze publikacje: Deliciae Thorunienses: poszukiwania tożsamości miasta w literaturze podróżniczej (Toruń 2013), Przestrzenie biblioteki: o symbolicznej, fizycznej i społecznej obecności instytucji (Toruń 2012), Głubczycka biblioteka starodruków franciszkanów mniejszych – podsumowanie programu (Z Badań nad Książką i Księgozbiorami Historycznymi, 2010).
Kontakt z autorem
tomkrus@umk.pl
Katedra Kognitywistyki
Instytut Badań Informacji i Komunikacji
Uniwersytet Mikołaja Kopernika w Toruniu
ul. Bojarskiego 1
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
CC BY-NC-ND 4.0 Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 4.0 Międzynarodowe
