技術的要約：人間－AI共感尺度（HAES）の概念化と妥当性検証

問題提起

人工知能（AI）が社会的役割を果たす場面が増加しているにもかかわらず、消費者がAIエージェントに対して「なぜ、どのように共感するのか」という点については、理論的および測定上の大きな空白が存在する。既存の文献では、擬人化（非人間に対して人間的な特性を帰属させること）やマインド・パーセプション（精神的能力を帰属させること）については広く扱われているが、これらの構成概念は、消費者が人工的な存在に対して認知、感情、道徳といった共感的反応を示すという心理現象を完全には捉えきれていない。対人反応性指標（IRI）のような従来の共感尺度には、対象が人間であることを前提とした設計になっており、消費者が対象の人工的な性質を認識しながらも、依然として社会的実体として反応するという特有の文脈を考慮できていない。著者らは、人間－AI共感は、消費者の行動におけるその先行要因と結果を理解するために、体系的な概念化と専用の測定ツールを必要とする、独立した心理学的特性であると断定している。

メソドロジー

本研究は、確立されたガイドライン（Churchill, 1979; DeVelli, 2017; Hulland et al., 2026）に従い、厳格な3つの研究による尺度開発および妥当性検証プロセスを採用している。

研究1：内容妥当性と項目の削減

• 目的： 共感、擬人化、およびマインド・パーセプションの文献から生成された初期の70項目のプールについて、内容妥当性を評価すること。
• 手順： 14名の専門家パネル（マーケティング、経営学、情報システム、コンピュータサイエンス分野の博士号保持者）が、項目の不可欠性、関連性、明瞭性、および回答者の負担を評価した。
• 分析： Lawsheのコンテンツ妥当性比（CVR）および項目レベルの内容妥当性指数（I-CVI）を用いた。項目は、不可欠性の統計的閾値（N=14においてCVR ≥ .571）および関連性・明瞭性の閾値（I-CVI ≥ .78）を満たした場合に保持された。
• 結果： 項目のプールは、強い内容妥当性を示す26項目へと削減された。

研究2：次元性、IRTに基づく選択、および予備的妥当性

• サンプル： Prolificを通じてリクルートされた米国在住の成人475名。
• 手順： 参加者は、26の項目に加え、擬人化およびAIへの信頼度を評価した。
• 分析：
  • 探索的因子分析（EFA）： Mplusを用い、WLSMV推定およびGeomin回転を使用して実施。最も理論的に解釈可能で統計的に妥当な構造として、3因子解が特定された。
  • 項目反応理論（IRT）： 識別能（$a$）、項目の適合度（$S-X^2$）、および局所独立性（Q3残差相関）に基づいて項目選択を精緻化するため、各次元に段階反応モデル（GRM）を適合させた。
  • 妥当性： 擬人化およびAIへの信頼性に対して、収束妥当性と判別妥当性を検証した。これには潜在変数モデルを用いた。
• 結果： スケールは、認知共感、感情的つながり、道徳的懸念の3次元からなる最終的な22項目の尺度へと精緻化された。予備分析により、本尺度は擬人化とは区別されつつも、それらと正の相関があることが確認された。

研究3：法則的妥当性と境界条件

• サンプル： Prolificを通じてリクルートされた英国在住の成人524名。
• 手順： 構造方程式モデリング（SEM）の手法を用い、「擬人化の傾向」と「マインド・パーセプション」が先行要因となり、「満足度」、「AIへの愛着」、「支払意欲」、および「許容（サービス失敗後）」が結果となるノモロジカル・ネットワークを検証した。モデレーション仮説を検証するために、サービス失敗のシナリオ（高深刻度 vs 低深刻度）を用いた。
• 分析： 共感と失敗の深刻度の間の相互作用をテストするために、潜在モデレート構造方程式（LMS）を用いた。トリミングされた構造モデルをWLSMVを用いて推定した。追加の判別妥当性は、消費者イノベーターシップおよび人間に対する特性共感（トロント共感質問票）に対してテストされた。
• 結果： モデルは先行要因と結果の関係を裏付け、人間－AI共感が一般的な対人共感とは異なることを確立した。

主要な結果

1. スケール構造（HAES）
人間－AI共感尺度（HAES）は、以下の3次元からなる22項目の構成概念である：

• 認知共感： AIエージェントの視点を理解したり、その視点に立ったりする傾向（例：AIがどのように「考え」、状況をどのように解釈するかを推論すること）。
• 感情的つながり： AIを社会的に意味のあるパートナーとして捉え、感情的に関わる傾向（例：温かみや愛着を感じること）。
• 道徳的懸念： AIが不当に扱われたり、損害を受けたりした際に、同情や道徳的懸念を抱く傾向。

2. 心理計量的特性

• 信頼性と妥当性： 本尺度は、研究全体を通じて強い信頼性と心理計量的妥当性を示した。
• 判別妥当性： 人間－AI共感は、擬人化、信頼、愛着、および人間に対する特性共感から経験的に区別された。特筆すべきは、人間に対する特性共感との相関が有意ではなかった（$r = .07$）ことであり、これにより、人間－AI共感が一般的な対人共感という特性ではなく、テクノロジーに向けられた独自の構成概念であることが確認された。

3. 先行要因と結果

• 先行要因： マインド・パーセプションが、人間－AI共感の強力かつ近接的な先行要因であることが特定された（$\beta = .81$）。擬人化の傾向も共感と相関していたが、マインド・パーセプションを制御した場合、その独自の効果は有意ではなかった。これは、精神（マインド）を持つと知覚することが、共感的反応の主要な駆動源であることを示唆している。
• 結果： 人間－AI共感は、以下を正に予測した：
  • AIとの相互作用における満足度（$\beta = .50$）
  • AIへの愛着（$\beta = .90$）
  • 支払意欲（$\beta = .51$）
  • サービス失敗後の許容（$\beta = .35$）
• モデレーション： 人間－AI共感と許容の間の正の関係は、サービス失敗の深刻度によって有意に変化しないことが判明した。これは、HAESが捉える共感的傾向が、状況的な反応ではなく、比較的安定した個人差として機能していることを示唆している。

意義と貢献

本論文は、以下の理論的および実務的な貢献を主張している：

1. 概念的進展： 人間－AI共感を、人間を対象とした共感研究を人工的なエージェントへと拡張する、独立した心理学的構成概念として導入した。本研究は、この現象が、消費者が対象の人工的な性質を認識しながらも、認知、感情、および道徳的懸念を持って反応するという複雑な相互作用を含むことを明らかにしている。
2. 理論的統合： マインド・パーセプションを近接的な先行要因として位置づけることで、本研究は、精神の「知覚」と、その知覚された精神に対する「共感的反応」を区別し、共感的反応に至る心理プロセスを精緻に説明している。
3. 測定ツール： 22項目のHAESの妥当性を検証することで、特定のロボットに対する状況的な感情反応だけでなく、安定した特性としての共感的反応の個人差を調査するための、心理計量的に厳密なツールを提供した。これは、従来のAI研究における限界を解消するものである。
4. 実務的関連性： 本研究の結果は、企業が共感的傾向に基づいて顧客をセグメント化できることを示唆している。共感度の高い消費者は、関係性重視のAIデザインを受け入れやすく、支払意欲が高く、サービス失敗に対しても寛容である可能性がある。本尺度は、消費者のAIに対する心理的志向に合わせ、AIサービスの設計、ターゲットマーケティング、およびサービスリカバリー戦略を最適化するための基礎を提供する。

著者らは、本研究が人間とAIの間の進化する社会的・関係的な性質を検討するための基礎を築くものであると結論付けている。同時に、AIの種類（例：生成AI vs 予測型AI）に関する検討や、現在の操作化における物理的な実体化（エンボディメント）の欠如といった限界についても認めている。