智能体数字孪生人的形象——行为相似性对用户体验的影响研究

数字孪生人技术能够实现人类生理特征的数字化呈现,但是在社会传播和营销领域因其意识和自主语言行为处理能力的欠缺而导致无法对用户体验的提升产生有效作用。以ChatGPT为代表的大语言模型(LLM)已被研究证明具有强大的应用价值,AIGC赋能的智能体能够与数字孪生人深度融合,形成具有个性化自我意识和行为的数字化身新形态——智能体数字孪生人。智能体数字孪生人在个性化模型建构和生成式AI的技术支撑下,其形象和行为与人类的相似性将发生重大提升,不仅拥有人类的一系列内外特征,而且能够在与用户沟通的过程中实现从感官、交互到情感全流程的用户体验优化,构建新型人与智能体社交关系。

品牌延伸对品牌钟爱的影响研究

消费者对品牌的狂热消费行为是近年关注热点。品牌钟爱是消费者对满意品牌强烈的情感依恋,反映消费者对品牌类似于"追星式"的狂热消费行为,是消费者-品牌关系研究的新构念,对提升品牌忠诚和品牌资产具有重要作用。文章采用实验法,探讨品牌延伸中母品牌钟爱能否转移至新的品类,及母品牌钟爱转移的边界条件。研究发现:母品牌钟爱正向影响延伸产品钟爱,且产品种类相似性、品牌形象相似性均正向调节母品牌钟爱与延伸产品之间的关系;而消费者期望负向调节母品牌钟爱与延伸产品钟爱之间的关系。

物理问题相似特征对迁移效果的影响及对策

基于形象相似性和抽象相似性,将物理源问题与靶问题之间的关系划分为四个类型,分别探讨这四种类型对物理学习迁移效果的影响。教学中要应用问题的相似特征促进正迁移,找出不相似特征防止负迁移。

学习迁移的系统理论:PPEE理论模型的建构和意义

学习是人类社会永恒的主题。为了更好地利用过去的经验,增强学习效果,个人和组织进行学习迁移具有重要意义。学习迁移是指将在以往通过学习或解决问题所获得的经验,用于解决之后所遇到的问题。本文力图建立系统的学习迁移理论,研究人、问题、环境的因素对于学习迁移的影响。本文采用理论推导的研究方法,在前人研究的基础上,提出相应的理论模型。本文运用系统的观点,构建了学习迁移的PPEE理论模型,认为人的因素、问题的因素、人和问题的交互作用、以及环境的调节作用,会共同影响学习迁移的效果。本理论主要从五个方面论述学习迁移的机制。首先,将人的因素按照不同层面划分为后端基本能力、中端心理过程、前端知识结构,讨论了其各自对学习迁移效果的直接影响。其次,将问题的因素划分为形象相似性和抽象相似性,并根据这两个维度构建了四种问题间关系类型,并探究了其与学习迁移效果之间的关系。第三,同时考虑人的因素和问题的因素,研究了二者之间的互动对于学习迁移效果的影响。第四,将环境因素划分为时间紧迫性和空间重要性两个维度,探讨了人和环境,以及问题和环境之间的互动对学习迁移效果的影响。第五,基于系统整体的方面,研究人、问题、环境三者之间的互动对学习迁移效果的交互影响。本文还认为,该模型不仅适用于个人,也同样适用于团队、组织、地区、甚至国家和社会等各个层面,影响各个层面主体的学习迁移。本文最后总结了研究的理论和实践贡献,并提出了未来研究课题。本文对丰富学习理论、特别是学习迁移理论,以及推动教育和管理实践的发展进步具有重要的意义。