تحلیل احساسات و نگرش کاربران نسبت به ابزارهای هوش مصنوعی مولد: مطالعه ای مبتنی بر داده های Google Play Store

گسترش سریع سامانه های هوش مصنوعی مولد، احساسات، نگرش ها و اعتماد کاربران را به یکی از عوامل کلیدی در پذیرش این فناوری ها تبدیل کرده است. با این حال، مطالعات موجود در این حوزه پراکنده بوده و عمدتا بر یک پلتفرم، یک زبان یا یک جامعه آماری خاص متمرکز شده اند و کمتر به ارتباط هم زمان میان احساسات کاربران، اعتماد، شفافیت، مسئولیت پذیری سامانه ها و تفاوت های فرهنگی پرداخته اند. تاکنون پژوهشی که تحلیل انتقادی ادبیات را با تحلیل داده های واقعی کاربران در چند سامانه هوش مصنوعی مولد به طور هم زمان تلفیق کند، به ندرت انجام شده است. هدف این پژوهش، مرور انتقادی ادبیات مرتبط با احساسات، اعتماد و پذیرش هوش مصنوعی و تکمیل آن با تحلیل تجربی داده های واقعی کاربران درباره چند ابزار هوش مصنوعی مولد است.این پژوهش با رویکرد مرور روایتی–تحلیلی انجام شد و مطالعات معتبر مرتبط با احساسات کاربران، اعتماد و پذیرش فناوری به صورت تطبیقی سنتز شدند. در بخش تجربی، ۷,۷۳۶ دیدگاه کاربر درباره پنج ابزار هوش مصنوعی مولد (ChatGPT، Google Gemini، Microsoft Copilot، Bing AI و Davinci) از فروشگاه Google Play استخراج شد. داده ها با استفاده از زبان برنامه نویسی Python پردازش و تحلیل احساسات شدند و همچنین فراوانی واژگان پرتکرار در دیدگاه های مثبت و منفی استخراج گردید. نتایج نشان داد ۶۸.۶۸ درصد دیدگاه ها مثبت، ۱۷.۴۴ درصد خنثی و ۱۳.۸۸ درصد منفی بودند؛ این توزیع با میانگین امتیاز عددی ۴.۳۹ از ۵ همخوانی داشت. توزیع احساسات میان ابزارها یکسان نبود: Microsoft Copilot (۷۱.۵٪) و ChatGPT (۷۰.۸٪) بیشترین نسبت احساسات مثبت را داشتند، در حالی که Google Gemini کمترین نسبت مثبت (۵۱.۴٪) و بیشترین نسبت منفی (۲۸.۱٪) را نشان داد و Davinci نیز با ۲۳.۹٪ احساسات منفی در رتبه بعدی قرار گرفت. تحلیل واژگان پرتکرار نیز نشان داد دیدگاه های مثبت حول کیفیت و سهولت استفاده (good، great، helpful) و دیدگاه های منفی حول خطاها و مشکلات عملکردی (bug، crash، slow) متمرکز بودند. مرور ادبیات همچنین نشان داد مطالعات مقایسه ای چندپلتفرمی و بین فرهنگی که داده های واقعی را با مرور نظام مند تلفیق کنند، همچنان محدودند. نگرش کاربران نسبت به ابزارهای هوش مصنوعی مولد در مجموع مثبت است، اما شدت آن میان پلتفرم ها تفاوت معنادار دارد و صرفا با عملکرد فنی مدل قابل تبیین نیست. ترکیب تحلیل احساسات متنی با امتیازهای عددی کاربران، چارچوبی مکمل برای شناسایی دلایل رضایت یا نارضایتی فراهم می کند که می تواند مبنایی برای توسعه دهندگان و سیاست گذاران در طراحی سامانه های شفاف تر، قابل اعتمادتر و مسئولانه تر باشد.

کلیدواژه ها:

هوش مصنوعی ، احساسات کاربران ، تحلیل احساسات ، اعتماد به هوش مصنوعی ، پذیرش فناوری ، هوش مصنوعی مولد