增强Z世代对人工智能驱动的驾驶辅助系统（ADAS）信任的方法

本研究旨在了解透明度、可靠性和可解释性如何影响对人工智能驱动驾驶技术的信任。调查大约需要10-12分钟完成。所有回答都是匿名和保密的，符合GDPR和伦理研究标准。继续参与即表示您自愿同意参与，并同意您的回答仅用于学术研究和统计分析。请诚实作答——没有对或错的答案。

请根据5点Likert量表评估您对每个陈述的认同程度，除非另有指示：

1 = 强烈不同意  2 = 不同意  3 = 中立  4 = 同意  5 = 强烈同意

结果公开可见

第1节：人口统计 - 年龄

第1节：人口统计 - 性别

第1节：人口统计 - 居住国家

第1节：人口统计 - 您持有有效驾驶执照吗？

第1节：人口统计 - 您使用过人工智能驱动的驾驶辅助系统（例如，车道保持、适应性巡航控制、自动刹车）吗？

第1节：人口统计 - 如果是，您使用它的频率如何？

第1节：人口统计 - 对人工智能技术的熟悉程度（自我评估）

第2节：透明度 - 驾驶辅助系统清楚地解释其操作原因（例如，刹车、变道）。

第2节：透明度 - 我能很容易理解系统在驾驶时如何做出决策。

第2节：透明度 - 系统提供的信息足以让我对其功能感到自信。

第2节：透明度 - 系统提供的反馈帮助我了解其当前状态或限制。

第2节：透明度 - 系统提供的解释让我在使用时感到更舒服。

第3节：可靠性 - 我认为驾驶辅助系统在不同驾驶条件下表现一致。

第3节：可靠性 - 系统在关键情况下（例如，突然停车或附近障碍物）反应适当。

第3节：可靠性 - 系统的性能是可预测和可靠的。

第3节：可靠性 - 我可以信赖系统在没有频繁错误或故障的情况下操作。

第3节：可靠性 - 因为系统表现可靠，我感到安全。

第4节：可解释性 - 系统的解释清晰易懂。

第4节：可解释性 - 当系统做出意外决定时，它帮助我理解原因。

第4节：可解释性 - 系统提供的信息提高了我对其优缺点的理解。

第4节：可解释性 - 我对系统提供的行为解释的满意程度。

第4节：可解释性 - 系统的可解释性功能使我更容易信任它。

第4节：可解释性 - 你希望有什么改进或功能能使您在使用基于人工智能的驾驶辅助系统时感到更放心？

第5节：信任 - 我愿意在复杂的驾驶情况下依赖人工智能驱动的驾驶辅助系统。

第5节：信任 - 我相信系统有能力做出安全和可靠的驾驶决策。

第5节：信任 - 当驾驶辅助系统处于活动状态时，我感到自信。

第5节：信任 - 我相信系统即使在没有我不断监督的情况下也能表现良好。

第5节：信任 - 我打算在未来继续使用基于人工智能的驾驶辅助系统。

第5节：信任 - 用自己的话描述您对人工智能驱动的驾驶辅助系统信任或不信任的原因。