Dissertation/ Thesis
Understanding Consumers' Adoption and Usage Behavior with AI-Powered Tools for Different Tasks and Contexts
| Τίτλος: | Understanding Consumers' Adoption and Usage Behavior with AI-Powered Tools for Different Tasks and Contexts |
|---|---|
| Συγγραφείς: | Ravi, John Vara Prasad |
| Συνεισφορές: | University/Department: Universitat Ramon Llull. IQS |
| Thesis Advisors: | Palau Saumell, Ramon, Meyer, Jan Hinrich |
| Πηγή: | TDX (Tesis Doctorals en Xarxa) |
| Στοιχεία εκδότη: | Universitat Ramon Llull, 2025. |
| Έτος έκδοσης: | 2025 |
| Φυσική περιγραφή: | 180 p. |
| Θεματικοί όροι: | Consumer Behavior, Behavioral Intentions, Satisfaction, Artificial Intelligence Voice Assistants, ChatGPT, Emotions - Voice, Emotions - Text, Technology acceptance, Negocis, administració i dret |
| Περιγραφή: | L’auge de les tecnologies impulsades per la intel·ligència artificial (IA) ha transformat de manera notable la forma en què les persones interactuen amb els sistemes digitals, especialment amb els assistents de veu amb IA (AIVAs) i amb aplicacions d’IA generativa com ChatGPT. Aquesta tesi doctoral explora la interacció dels usuaris amb aquestes tecnologies, analitzant les seves intencions de comportament, nivells de satisfacció i patrons d’adaptació en diferents experiències d’ús amb IA. A través de tres estudis empírics, s’identifiquen els principals factors psicològics i contextuals que configuren l’adopció i la satisfacció en interaccions amb tecnologies basades en IA. Els dos primers estudis se centren en els AIVA, i l'objectiu dels quals es analitzar les intencions d'ús i la satisfacció dels usuarios en diferents contextos. El tercer estudi es focalitza en els Models de Llenguatrge Llarg (LLM), específicament ChatGPT, tot prenent com a base els avenços recents en IA interactiva. En aquest sentit, hem desenvolupat una extensió de la Teoria de l'Estructuració Addaptativa per als individus (ASTI), tot investigant els comportaments adaptatius i de búsqueda d'informació de productes i serveis mentre els individus utilitzen el chatGPT.. En primer lloc, el primer estudi analitza com la complexitat de la tasca influeix en les intencions de comportament cap a l’ús dels AIVAs. Es va dissenyar un experiment en línia i una enquesta basada en el model UTAUT2, per avaluar el paper de les seves variables en dos contextos d’ús diferenciats: tasques simples i complexes. Els resultats mostren que l’expectativa de rendiment és clau en tasques complexes, mentre que l’hàbit i la motivació hedònica són més rellevants en contextos més senzills. De manera inesperada, les condicions facilitadores mostren una relació negativa amb l’adopció, fet que suggereix la presència de barreres estructurals o contextuals que poden limitar l’ús dels AIVAs. El segon estudi examina com les emocions expressades pels usuaris, mesurades tant pel contingut del discurs com pel to de veu, influeixen en la satisfacció segons el tipus d’AIVA utilitzat, incloent-hi assistents multimodals (MMVAs) i només de veu (VOVAs). Mitjançant un enfoc metodològic mixt que combina estudis de laboratori amb dades d’enquesta, es confirma que l’expressió emocional té un impacte notable sobre la satisfacció. A més, la satisfacció no depèn únicament del tipus d’assistent, sinó també de factors contextuals com l’agradabilitat i la complexitat de la tasca, així com del grau d’antropomorfisme del dispositiu. Finalment, el tercer estudi investiga com les persones adapten el seu comportament durant les interaccions de cerca amb ChatGPT, centrant-se en les estratègies d’adaptació exploratòria i explotativa, i el seu impacte sobre la intenció de seguir utilitzant l’eina. Es va aplicar un enfocamente quantitatiu amb una enquesta a usuaris de ChatGPT. Tal i com s'ha esmentat anteriorment, aquest estudi va utilitzar una versió estesa del model ASTI, tot integrant comportaments d'experiència de recerca i intencions de comportament. Un dels resultats més destacats és que l’adaptació explotativa influeix sobre la intenció d’ús de manera indirecta a través de l’adaptació a la tasca i la percepció de diagnosticitat, mentre que l’adaptació exploratòria opera a través de la percepció de serendipitat. En conjunt, aquests tres estudis ofereixen una comprensió àmplia del comportament dels consumidors davant tecnologies d’IA com els AIVAs i els LLMs, abordant aspectes com la complexitat de la tasca, la implicació emocional i els comportaments de cerca adaptativa. Els resultats aporten contribucions teòriques rellevants a la literatura sobre adopció de IA i ofereixen implicacions pràctiques per al disseny i desenvolupament d’aquests sistemes. Aquesta tesi ofereix, en definitiva, una visió global de com les persones interactuen, s’adapten i integren les tecnologies d’intel·ligència artificial en el seu dia a dia. |
| Description (Translated): | El auge de las tecnologías impulsadas por la Inteligencia Artificial (IA) ha transformado profundamente la manera en que las personas interactúan con los sistemas digitales, en particular con los Asistentes de Voz basados en IA (AIVAs) y con aplicaciones de IA generativa como ChatGPT. Esta tesis doctoral examina la interacción de los usuarios con estas tecnologías, explorando sus intenciones de uso, niveles de satisfacción y comportamientos adaptativos en distintos contextos de interacción con IA. A través de tres estudios empíricos, se identifican los principales factores psicológicos y contextuales que influyen en la adopción y satisfacción de los usuarios con tecnologías basadas en IA. Los dos primeros estudios se centran en los AIVA, cuyo objetivo es analizar las intenciones de uso y la satisfacción de los usuarios en diversos contextos. El tercer estudio se centra en los Modelos de Lenguaje Largo (LLM), en particular ChatGPT, basándose en los avances recientes en IA interactiva. En este sentido, desarrollamos una extensión de la Teoría de la Estructuración Adaptativa para los Individuos (ASTI) e investigamos los comportamientos adaptativos y de búsqueda de los individuos mientras utilizan ChatGPT para buscar información sobre productos y servicios. El primer estudio analiza cómo la complejidad de la tarea influye en las intenciones de uso de los AIVAs. Para ello, se diseñó un experimento online junto con una encuesta basada en el modelo UTAUT2, evaluando el papel de sus variables en contextos de uso simples frente a complejos. Los resultados muestran que la expectativa de rendimiento es fundamental en tareas complejas, mientras que el hábito y la motivación hedónica resultan más relevantes en tareas simples. De forma inesperada, las condiciones facilitadoras muestran una relación negativa con la adopción, lo que sugiere que existen barreras estructurales o contextuales que pueden obstaculizar el uso de los AIVAs. El segundo estudio explora cómo las emociones expresadas por el usuario, evaluadas tanto por el contenido del habla como por el tono de voz, afectan a la satisfacción con distintos tipos de AIVAs, incluyendo asistentes multimodales (MMVAs) y asistentes solo de voz (VOVAs). A través de un enfoque mixto que combina estudios de laboratorio con encuestas, se concluye que la expresión emocional tiene un impacto significativo en la satisfacción del usuario. Además, esta no solo depende del tipo de AIVA, sino que también se ve condicionada por factores contextuales como el agrado de la tarea, su complejidad o el grado de antropomorfismo del dispositivo. Finalmente, el tercer estudio analiza cómo los usuarios adaptan su comportamiento durante las búsquedas realizadas con ChatGPT, prestando especial atención a las estrategias de adaptación exploratoria y explotativa, y cómo estas afectan a las intenciones de continuar utilizando la herramienta. Se empleó una metodología cuantitativa basada en una encuesta a usuarios de ChatGPT. Como se mencionó anteriormente este estudio utilizó una versión extendida del modelo ASTI, integrando comportamientos de experiencia de búsqueda e intenciones de comportamiento. Entre los hallazgos destaca el efecto indirecto de la adaptación explotativa, que influye en la intención de uso a través de la adaptación a la tarea y la percepción de diagnosticidad, en mayor medida que la vía exploratoria a través de la percepción de serendipia. En conjunto, estos tres estudios ofrecen una visión integral del comportamiento del consumidor ante tecnologías de IA como los AIVAs y los LLMs, abordando temas clave como la complejidad de la tarea, la implicación emocional y los comportamientos adaptativos de búsqueda. Los resultados aportan contribuciones tanto teóricas al cuerpo de literatura sobre adopción de IA, como implicaciones prácticas para el diseño y desarrollo de estos sistemas. En última instancia, esta tesis presenta una perspectiva holística sobre cómo los usuarios se relacionan con las tecnologías de IA, se adaptan a ellas y las integran en su vida cotidiana. The rise of Artificial Intelligence (AI)-powered technologies has significantly transformed how individuals interact with digital systems, particularly Artificial Intelligence Voice Assistants (AIVAs) and generative AI applications such as ChatGPT. This dissertation explores user engagement with these technologies by examining behavioral intentions, satisfaction, and adaptive behaviors across different AI interaction experiences. Three empirical studies identify key psychological and contextual factors that shape individuals’ adoption of and satisfaction with AI-driven interactions. The first two studies focus on AIVAs, aimed at mining usage intentions and satisfaction of users across varying usage contexts. Building on recent advancements related to interactive AI, the third study shifts focus to Large Language Models (LLMs), particularly ChatGPT. Through the lens of the extended Adaptive Structuration Theory for Individuals (ASTI) framework, we get to investigate individual adaptive and search related behaviors while using ChatGPT for information searches related to products and services. Initially, the first study investigates how task complexity influences users’ behavioral intentions to adopt AIVAs. We designed an online experiment and survey grounded in the UTAUT2 model. The study assesses the roles of UTAUT2 variables in two contrasting usage contexts of AIVAs such as simple and complex tasks. Results indicate that performance expectancy becomes critical in complex tasks, while habit and hedonic motivation are more influential in simpler interactions. Unexpectedly, facilitating conditions exhibit a negative relationship with adoption, suggesting that certain structural or contextual barriers may hinder AIVA use. Furthermore, study 2 explores the impact of user-expressed emotions measured through speech, both in terms of content (text) and tone (voice) on user satisfaction across different AIVA modalities, including Multi-Modal Voice Assistants (MMVAs) and Voice-Only Voice Assistants (VOVAs). Through a mixed-methods approach that combines multiple laboratory studies with survey data, this study finds that emotional expression significantly influences satisfaction. Moreover, satisfaction is not solely determined by the type of AIVA used but is also moderated by research contexts such as task pleasantness, task complexity, and device anthropomorphism. Finally, study 3 examines how users adapt their behavior during ChatGPT-based search interactions, focusing on exploitative and explorative adaptation strategies and their impact on behavioral intentions to rely on ChatGPT for product and service searches. We employed a quantitative approach with an online survey of ChatGPT users. As mentioned earlier, this study employs extended ASTI by integrating social influence and search experience behaviors and behavioral intentions. While the study offers multiple noteworthy findings that highlight the validity of the extended ASTI model in understanding ChatGPT users, one of the highlights is the indirect effects where exploitative technology adaptation influences behavioral intentions via exploitative task adaptation and perceived diagnosticity compared to the explorative pathway through perceived serendipity. Collectively, these three studies provide a comprehensive understanding of AI consumer behavior with multiple technologies such as AIVAs and LLMs by addressing research interests such as task complexity, emotional engagement, and adaptive search behaviors. Furthermore, the findings offer both theoretical contributions to AI adoption literature and practical implications for the design and development of AI systems. This dissertation ultimately presents a holistic perspective on how users engage with, adapt to, and integrate AI technologies into their everyday lives. |
| Τύπος εγγράφου: | Dissertation/Thesis |
| Περιγραφή αρχείου: | application/pdf |
| Γλώσσα: | English |
| Σύνδεσμος πρόσβασης: | http://hdl.handle.net/10803/696211 |
| Rights: | ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs. |
| Αριθμός Καταχώρησης: | edstdx.10803.696211 |
| Βάση Δεδομένων: | TDX |
| Η περιγραφή δεν είναι διαθέσιμη |