情感体验视角下任务类型对生成式人工智能交互效果的影响研究——以<bold>DeepSeek</bold>为例

doi:10.3772/j.issn.1000-0135.2026.08.009

情报学报

2026, Vol. 45

Issue (8): 1192-1205 DOI: 10.3772/j.issn.1000-0135.2026.08.009

情报用户与行为

本期目录 | 过刊浏览 | 高级检索

情感体验视角下任务类型对生成式人工智能交互效果的影响研究——以DeepSeek为例

张敏, 张东鑫, 张可, 秦柯楠, 杨涵

华中师范大学信息管理学院，武汉 430079

Impacts of Task Types on Generative Artificial Intelligence Interaction Outcomes from the Emotional Experience Perspective: Evidence from DeepSeek

Zhang Min, Zhang Dongxin, Zhang Ke, Qin Kenan, Yang Han

School of Information Management, Central China Normal University, Wuhan 430079

摘要
图/表
参考文献
相关文章 (5)

全文: PDF (2344 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要从情感体验视角探究任务类型对生成式人工智能（generative artificial intelligence，GAI）交互效果的影响，对于加强用户智能交互行为引导、促进人智交互设计和服务质量提升具有重要意义。本研究采用广义结构方程模型、GAI辅助编码和可解释机器学习SHAP（shapley additive explanations）等方法，以DeepSeek的文字生成为应用场景，对收集到的5560条相关App（application）评论数据进行细致分析。本研究发现，用户使用DeepSeek完成的任务类型以工具性为主，其次为情感性与创造性；偶发情感与整体满意度在情感性与创造性任务中表现更好；任务属性显著影响用户整体满意度，用户在情感暴露层次高的任务中更容易激发积极情绪与高满意度；偶发情感对整体情感存在累加效应，且两者的形成机制存在差异，偶发情感受多元技术特征复合刺激，而整体满意度主要由功能特征与情感共鸣稳定构建。GAI交互设计应注重不同任务类型下的情感智能响应，引导用户依据任务类型适配交互模式，系统提升交互体验质量。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张敏
	张东鑫
	张可
	秦柯楠
	杨涵

关键词 ：情感体验, 任务类型, 生成式人工智能, DeepSeek

收稿日期: 2025-09-10

基金资助:国家社会科学基金一般项目“用户与生成式人工智能交互的情感体验测度及优化研究”（25BTQ035）。

作者简介: 张敏，1974年生，博士，教授，博士生导师，主要研究领域为人机交互与用户信息行为，E-mail：445031920@qq.com；张东鑫，1996年生，博士研究生，主要研究领域为人机交互与用户信息行为；张可，1994年生，博士研究生，主要研究领域为人机交互与用户信息行为；秦柯楠，2002年生，硕士研究生，主要研究领域为人机交互与用户信息行为；杨涵，2002年生，硕士研究生，主要研究领域为人机交互与信息行为；

引用本文:

张敏, 张东鑫, 张可, 秦柯楠, 杨涵. 情感体验视角下任务类型对生成式人工智能交互效果的影响研究——以DeepSeek为例[J]. 情报学报, 2026, 45(8): 1192-1205.
Zhang Min, Zhang Dongxin, Zhang Ke, Qin Kenan, Yang Han. Impacts of Task Types on Generative Artificial Intelligence Interaction Outcomes from the Emotional Experience Perspective: Evidence from DeepSeek. 情报学报, 2026, 45(8): 1192-1205.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.08.009 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I8/1192

1 姜婷婷, 许艳闰, 傅诗婷, 等. 人智交互体验研究: 为人本人工智能发展注入新动力[J]. 图书情报知识, 2022, 39(4): 43-55.
2 李华锋, 袁振豪, 孙晓宁, 等. 用户体验视角下生成式人工智能对话管理能力测度研究[J]. 情报理论与实践, 2025, 48(8): 105-112, 123.
3 李蕾, 刘钊, 王栩彦. 用户体验视角下ChatGPT辅助信息检索的可用性研究[J]. 情报理论与实践, 2025, 48(2): 75-82.
4 王俊, 谢青伶, 刘畅. 日常生活情境下用户与生成式人工智能交互行为分析[J]. 图书情报知识, 2025, 42(2): 60-69, 93.
5 Liu-Thompkins Y, Okazaki S, Li H R. Artificial empathy in marketing interactions: bridging the human-AI gap in affective and social customer experience[J]. Journal of the Academy of Marketing Science, 2022, 50(6): 1198-1218.
6 王若佳, 范科鸣, 刘智锋, 等. 生成式人工智能环境下用户信息检索式行为研究[J]. 数据分析与知识发现, 2024, 8(8/9): 20-30.
7 李雨佳, 冉晓雅, 刘畅. 任务认知层次对用户与生成式人工智能交互行为与系统评价的影响研究[J]. 情报资料工作, 2025, 46(2): 51-60.
8 Huang M H, Rust R T. Engaged to a robot? The role of AI in service[J]. Journal of Service Research, 2021, 24(1): 30-41.
9 Schepers J, Belanche D, Casaló L V, et al. How smart should a service robot be?[J]. Journal of Service Research, 2022, 25(4): 565-582.
10 赵浜, 曹树金. 国内外生成式AI大模型执行情报领域典型任务的测试分析[J]. 情报资料工作, 2023, 44(5): 6-17.
11 曹茹烨, 曹树金. ChatGPT完成知识组织任务的效果及启示[J]. 情报资料工作, 2023, 44(5): 18-27.
12 Song Y, Huang L C, Zheng L Q, et al. Interactions with generative AI chatbots: unveiling dialogic dynamics, students’ perceptions, and practical competencies in creative problem-solving[J]. International Journal of Educational Technology in Higher Education, 2025, 22(1): Article No.12.
13 Kishimoto T, Hao X M, Chang T, et al. Single online self-compassion writing intervention reduces anxiety: with the feedback of ChatGPT[J]. Internet Interventions, 2025, 39: 100810.
14 郑博文, 王鼎庆. 生成式人工智能环境下用户学习型搜索行为及效果研究——基于认知风格和任务类型[J]. 现代情报, 2025, 45(6): 74-86, 111.
15 Urban M, Děchtěrenko F, Lukavsky J, et al. ChatGPT improves creative problem-solving performance in university students: an experimental study[J]. Computers & Education, 2024, 215: 105031.
16 傅诗婷, 姜婷婷, 宋德凤. 对话式搜索系统主动性对人智协作效果的影响研究[J]. 信息资源管理学报, 2025, 15(4): 42-55.
17 Lerner J S, Keltner D. Beyond valence: toward a model of emotion-specific influences on judgement and choice[J]. Cognition and Emotion, 2000, 14(4): 473-493.
18 Han S, Lerner J S, Keltner D. Feelings and consumer decision making: the appraisal-tendency framework[J]. Journal of Consumer Psychology, 2007, 17(3): 158-168.
19 V?stfj?ll D, Slovic P, Burns W J, et al. The arithmetic of emotion: integration of incidental and integral affect in judgments and decisions[J]. Frontiers in Psychology, 2016, 7: 325.
20 Oliver R L. A cognitive model of the antecedents and consequences of satisfaction decisions[J]. Journal of Marketing Research, 1980, 17(4): 460-469.
21 曾文, 徐红姣, 车尧, 等. 基于图书出版行业大数据的选题决策分析模型研究[J]. 情报学报, 2018, 37(8): 813-821.
22 刘甲学, 陶易. 基于情感分析的评论数据用户满意度影响因素研究[J]. 现代情报, 2017, 37(7): 66-69.
23 Dalakas V. The effect of cognitive appraisals on emotional responses during service encounters[J]. Services Marketing Quarterly, 2006, 27(1): 23-41.
24 Huang M H, Rust R T. Artificial intelligence in service[J]. Journal of Service Research, 2018, 21(2): 155-172.
25 Norman D A. Emotional design: why we love (or hate) everyday things[M]. New York: Basic Books, 2004.
26 沈棋琦, 张雪, 赵杨. 基于评论主题挖掘的移动图书馆App用户情感体验评价体系构建[J]. 图书馆学研究, 2023(4): 41-51.
27 Turobov A, Coyle D, Harding V. Using ChatGPT for thematic analysis[PP/OL]. V1. arXiv (2024-05-13) [2025-07-16]. https://doi.org/10.48550/arXiv.2405.08828.
28 Nguyen-Trung K. ChatGPT in thematic analysis: can AI become a research assistant in qualitative research?[J]. Quality & Quantity, 2025, 59(6): 4945-4978.
29 Deiner M S, Deiner N A, Hristidis V, et al. Use of large language models to assess the likelihood of epidemics from the content of tweets: infodemiology study[J]. Journal of Medical Internet Research, 2024, 26: e49139.
30 徐琳宏, 林鸿飞, 潘宇, 等. 情感词汇本体的构造[J]. 情报学报, 2008, 27(2): 180-185.
31 Mitku A A, Zewotir T, North D, et al. Impact of ambient air pollution exposure during pregnancy on adverse birth outcomes: generalized structural equation modeling approach[J]. BMC Public Health, 2023, 23(1): article No.45.
32 穆学英, 崔璨, 崔军茹. 空间机会结构视角下的住房分化——基于中国新生代流动人口的实证研究[J]. 社会学研究, 2022, 37(2): 202-225.
33 Vasconcelos A G G, Almeida R M V, Nobre F F. The path analysis approach for the multivariate analysis of infant mortality data[J]. Annals of Epidemiology, 1998, 8(4): 262-271.
34 Endawkie A, Keleb A, Dilnesa T, et al. Generalized structural equation modeling of direct and indirect determinants of chronic undernutrition among under-five children in Ethiopia: further analysis of the 2019 mini Ethiopian demographic and health survey[J]. Journal of Health, Population and Nutrition, 2025, 44(1): Article No.73.
35 Lazarus R S. Emotion and adaptation[M]. Oxford: Oxford University Press, 1991.
36 Li B K, Yao R X, Nan Y F. How does anthropomorphism promote consumer responses to social chatbots: mind perception perspective[J]. Internet Research, 2025, 35(6): 2471-2495.
37 Park T, Lim C. Design principles for improving emotional affordances in an online learning environment[J]. Asia Pacific Education Review, 2019, 20(1): 53-67.
38 Ferrer R A, Ellis E M. Preliminary evidence for differential effects of integral and incidental emotions on risk perception and behavioral intentions: a meta-analysis of eight experiments[J]. Journal of Behavioral Decision Making, 2021, 34(2): 275-289.