← 最新论文
📄 social_science

Aesthetic experience factors impact NFT artwork purchase intention: The mediating role of attitude and flow

基于刺激-机体-反应(S-O-R)框架,这项针对384名中国大学生的研究表明,多维审美体验(感知、情感、文化和理解)主要通过塑造消费者态度并诱发心流状态来驱动NFT购买意愿,而这两者构成了互补的中介机制。

原作者: Xinge Kong, Reza Moayer Toroghi, Mohsen Jafarian, Zahra Hosseinnezhad

发布于 2026-09-01
📖 1 分钟阅读☕ 轻松阅读

原作者: Xinge Kong, Reza Moayer Toroghi, Mohsen Jafarian, Zahra Hosseinnezhad

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

在数字世界中,一种只存在于计算机网络上的新型艺术形式已经出现,尽管如此,人们仍愿意为之支付真金白银。这些被称为非同质化代币(NFT)的数字物品,是证明谁拥有特定数字艺术品的独特所有权证书,就像房产证证明房屋所有权一样。多年来,专家们一直试图理解人们为何购买它们,通常侧重于投资潜力、物品稀缺性或其背后的技术等财务因素。然而,这种方法将数字艺术视为股票或商品,忽略了人们购买艺术品也是因为发现它美丽、动人或具有文化意义这一事实。为了了解全貌,研究人员需要超越钱包,深入探索人类的心智,研究观看艺术品的实际体验如何影响购买决策。

来自马来西亚和伊朗大学的一个研究小组致力于调查这一缺失的拼图环节。他们想知道,人们对 NFT 艺术作品的感知、感受和理解方式是否驱动了他们的购买行为,以及如果确实如此,这一过程是如何运作的。他们基于一个著名的心理学概念——“刺激-机体-反应”(Stimulus-Organism-Response)框架构建了这项研究。简单来说,该理论认为,当我们遇到环境中的某些事物(刺激)时,它会改变我们的内在状态(机体),进而导致一种行为(反应)。在这种情况下,“刺激”是艺术品本身,“内在状态”涉及我们对它的感受和思考,而“行为”则是购买意向。研究人员重点关注了人们体验艺术的四个特定维度:视觉美感、引发的情绪、讲述的文化故事,以及理解其所需的智力投入。随后,他们测量了这些体验如何塑造一个人对艺术的态度,以及他们进入完全沉浸于观看体验的状态(即所谓的“心流”)的能力。

为了收集数据,研究人员对 384 名对数字艺术有一定了解的中国大学生进行了问卷调查。他们要求这些学生对 NFT 艺术作品在四个体验类别中的反应进行评分,然后询问他们购买此类艺术品的可能性。结果揭示了一条从“观看”到“购买”的清晰且细致的路径。研究发现,艺术品的视觉设计、文化含义以及思想深度都会直接增加一个人的购买欲望。当一件艺术品通过强烈的色彩或构图吸引眼球,或者当它能引起观众的文化共鸣,亦或提供了值得思考的新颖内容时,购买意向就会上升。然而,研究也发现了一个令人惊讶的局限性:艺术品所激发的原始情绪并不会直接导致购买。虽然被感动或着迷的感觉非常强大,但仅凭这些并不足以让某人掏出钱包。

相反,研究人员发现,情绪必须经过两个特定的心理门户才能转化为购买行为。首先,情绪反应必须塑造一个人整体的态度,使他们相信购买该艺术品是一个好主意或是一件愉快的事。其次,情绪必须帮助观众进入一种“心流”状态,即由于过度沉浸于艺术品中而忘记了时间与周围环境。研究表明,这两个因素——拥有积极的态度和处于深度沉浸状态——是购买意向最强的驱动力。事实上,心流状态在预测购买意向方面甚至比态度更为强大。这意味着,对于一件 NFT 而言,要实现销售,它不能仅仅在视觉上引人注目或在情感上令人动容;它还必须引导观众进入一种积极的心态和深度的、沉浸式的参与之中。

这些发现挑战了关于数字艺术销售完全由稀缺性或投资炒作驱动的普遍看法。研究表明,虽然财务因素很重要,但审美体验是销售的关键引擎。研究指出,创作者和平台应当专注于体验本身的质量。他们需要设计出能够捕捉视觉注意力、讲述能产生文化共鸣的故事、并提供足够的深度以保持大脑参与感的艺术品。如果不能建立积极的态度或创造深度的沉浸感,仅仅依靠一件作品的情感冲击是不够的。通过理解通往购买的路径是通过观众的内在心理状态实现的,艺术界可以超越简单的投机,去欣赏驱动数字创意市场的复杂人类体验。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →