依托生成式人工智能艺术平台实现的服务创新：MIND平台的可用性特征研究
Service innovation through generative AI art platforms: the MIND affordances
Crystal T. Lee, Yung‐Cheng Shen
Service Industries Journal · 2025-11-20
订阅获取文化艺术综合被引 1被引前 10%影响因子 ≈9.2
摘要
生成式人工智能艺术平台推动的服务创新：MIND可供性研究 本研究聚焦生成式人工智能平台的兴起对创意艺术产业带来的变革，尽管现有研究已探讨了人工智能的诸多层面，但这类平台所具备的独特功能如何影响消费者反应仍缺乏清晰阐释。为填补这一研究空白，本文借助可供性理论，分析这些功能如何通过提升用户能力进而影响其行为。通过文本挖掘方法对社交媒体上的2747条相关帖子进行解析，研究者识别出人工智能艺术平台的四大核心可供性：货币化功能、创意激发功能、导航辅助功能以及演示展示功能。随后通过对1477名该平台用户的调查，进一步探究了这些功能对用户行为结果的影响。运用偏结构方程模型分析后显示，这四类可供性均能正向提升用户能力，进而促进用户主动传播、增强平台使用粘性，并提升人工智能赋能下的工作效率。这些研究结果为致力于构建长期用户关系的人工智能艺术平台服务提供商提供了重要参考。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 该研究基于 affordance 理论，聚焦于生成式 AI 艺术平台，旨在探讨其独特的功能属性如何通过用户赋能机制影响用户行为。研究识别出平台提供的四大核心 affordance——变现、构思、导航与演示，并验证了这些属性通过提升用户赋能感，进而驱动用户表现出传教行为、粘性与 AI 增能生产力的正向效应。
- 研究方法
- 研究采用混合研究路径，首先运用文本挖掘技术对社交媒体上的 2747 条帖子进行内容分析，以提取 AI 艺术平台的关键 affordance；随后通过问卷调查收集 1477 名平台用户的实证数据，并采用偏最小二乘结构方程模型（PLS-SEM）进行假设检验与路径分析。
- 学术贡献
- 该研究在理论层面贡献于服务创新与数字媒体领域，将 affordance 理论具体化并应用于生成式 AI 艺术平台的服务创新研究中，构建了从平台属性到用户赋能再到用户行为的理论模型，为理解人机交互环境下的用户行为提供了新的解释框架。
- 存在局限
- 研究主要依赖社交媒体文本挖掘与问卷调查，可能存在样本偏差，即社交媒体上的活跃用户可能无法完全代表所有用户群体；此外，研究主要关注用户行为结果，对于用户在使用过程中产生的负面体验或伦理冲突关注不足。
- 进一步研究方向
- 未来研究可引入民族志或深度访谈方法，深入探究用户在使用特定 affordance 时的具体认知过程与情感体验；同时，可拓展研究样本至不同文化背景下的用户，以检验模型在不同文化语境下的适用性与差异性。
本综述由 AI（glm-4.7-flash）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Service and Product Innovation