生成式AI对消费者决策偏见的放大或缓解效应实证研究 .docxVIP

PAGE2

生成式AI对消费者决策偏见的放大或缓解效应实证研究

摘要

本研究聚焦生成式人工智能推荐系统对消费者决策偏见的影响机制，旨在评估AI推荐技术究竟放大还是缓解了行为经济学所揭示的各类认知偏差，并提出减少决策失误的设计原则与优化路径。

全文遵循“提出问题—分析问题—解决问题”的递进逻辑展开。第一章绪论阐明研究背景与核心问题，指出生成式AI的普及使消费者面临前所未有的信息推荐环境，认知偏差的作用机制发生深刻变化。第二章文献综述系统梳理行为经济学中决策偏见理论与AI推荐系统研究的交叉领域，揭示已有研究在“AI如何改变偏差形态”这一关键问题上的解释空白。第三章界定核心概念并构建“推荐触发—偏差激活—决策偏离”的三阶段分析框架。第四章深入解析生成式AI环境下消费者决策偏见的结构性成因与内在矛盾。第五章系统阐释AI推荐系统放大或缓解认知偏差的作用机制与条件边界。第六章在前述分析基础上提出“偏差动态调节理论”框架，论证其自洽性与解释力。第七章总结研究发现，提炼理论贡献与实践启示。第八章反思研究局限并展望未来方向。

研究核心发现：生成式AI推荐系统并非单向放大或缓解消费者决策偏见，而是通过“信息筛选机制”“解释生成机制”“交互反馈机制”三重路径对偏差进行动态调节，其净效应取决于推荐算法的设计取向、消费者认知负荷水平与决策情境的透明度。据此提出“偏差最小化设计原则”，为算法治理与消费者