COVID-19大流行改变了我们对技术作为阻止疾病传播资源的看法。为满足控制病毒传播的需要，世界各地许多政府和公共卫生当局已启动了若干技术举措，包括开发人工智能接触者追踪移动应用程序。因此，到2020年底，在Google Play和iOS App Store中都有超过50款cta。 1， 2]．根据Nguyen等人[ 3.在设计基于人工智能的CTA技术时，安全和隐私是至关重要的。如果用户将cta视为对其隐私的威胁，这可能会影响他们使用该应用的倾向，最终影响其采用率和工具有效性。这一证据导致越来越多的设计系统关注于确保cta的安全性和私密性。先前的研究建议了若干准则，例如确保安全功能的复杂性较低，以便大众易于使用和理解[ 4， 5]，用户的可见性和交互性，以及在设计安全措施时要遵循的明确和明确的消息[ 6- 8]．欧洲为确保合乎道德和负责任的技术发展而制定的目标也提出了类似的论点。尽管欧洲的COVID-19 cta遵循《通用数据保护条例》和ISO/IEC 27001 [ 9]规例，并考虑到现行的人工智能原则，以规管科技的使用(即《可信赖人工智能的道德指引》[ 10])，这不足以确保公民的信任。尽管有广泛的信息表明这些技术是如何在透明和道德原则的基础上建立起来的，但这种缺乏可信度的情况仍然存在。此外，尽管政府采取措施推动这些应用的采用，但这些应用的下载率和实际使用率仍然很低。 2， 6， 11- 13]．采用率低的一个原因可能是计算机科学的安全和隐私仍然主要是从技术角度来处理[ 14]．技术中的隐私属性可能比技术质量更深刻、更复杂。私隐的定义是一个人对被操纵和传送给他人的资料的控制。[ 6， 15- 18]．

隐私还包括人际特征，如对隐私的感知、系统诚实或仁慈的沟通，以及将相关风险和不确定性降至最低的共享控制。例如，尽管在设计爱沙尼亚COVID-19 CTA (HOIA)时考虑了适当的法规和原则，但公民对HOIA的采用并没有增加。根据社会事务部对92%的爱沙尼亚居民进行的一项调查，HOIA采用率低的关键原因包括缺乏有效性(10%)和对安全和隐私的担忧(19%)[ 13， 19]．因此，所有设计基于人工智能的透明和道德负责的cta的努力都是不成功的，这些cta可以防止数据滥用，并确保开发负责任的、值得信赖的人工智能交互。

我们认为，有必要找到新的方法，确保在这些应用程序的设计中融入信任价值观，从而建立更技术化、更有社会责任感的社会。人们应该预料到，人们对信任的需求将越来越大，因为信任是一种忍受技术将带来的复杂未来的手段。用户对技术的信任程度也显著影响技术使用的质量和深度。信任是根据决定信任谁的能力来定义的，它代表了一方愿意受到另一方行为的伤害，这种行为是基于另一方将履行对委托人重要的特定行为的期望，而不管另一方是否有能力监督或控制该另一方[ 20.- 22]．

先前的研究证实，技术的接受和采用受到用户对技术的信任程度的影响[ 11， 20.- 23]．然而，有证据表明，设计值得信赖的技术是复杂的，需要更好地理解。和隐私一样，信任也是一种人际关系的品质，存在于我们日常生活的许多时刻，因此经常被无意识地考虑。无论是有意识的还是无意识的，信任代表了日常生活中遇到的关系的一个重要关键，包括人与机器之间的互动。建立信任关系意味着允许人们分享知识、授权和合作行动[ 11， 22， 24， 25]．因此，除了当前的研究挑战，以确保所有道德，隐私和技术安全要求被考虑[ 5， 7， 9]，我们认为，信任可能是用户对使用依赖公民数据的cta感到不舒服的原因。如果情况确实如此，除了现有的设计规则和原则外，设计师还需要机制来分析个人在人工智能应用程序中的可信度。通过这种方式，设计师和其他利益相关者可以更深入地了解个人如何看待人工智能的好处，并评估他们的合作倾向和更愿意使用这些技术。因此，衡量这种人工智能数据驱动技术被认为是值得信赖的程度是很重要的(即，使用cta的收益高于可能的损失)。

上述论点有三个主要理由。首先，随着我们日常活动中越来越多地引入和使用复杂系统的当前文化，研究人员需要更多地关注于构思负责任的人机交互。其次，目前支持道德和负责任的设计实践的范例不足以确保技术的可信度。第三，需要一种新的人机交互机制来有效地评估用户对技术的信任感知(例如，评估用户对合并信任价值的体验)。也就是说，我们提出了新的以人为本的设计框架和机制来指导设计和技术评估过程。总的来说，在过去的十年中，人机交互对提高技术生活质量做出了重大贡献。因此，普通人越来越多地参与、参与和依赖技术来实现他们的目标。的确，我们的生活已经离不开科技了。尽管如此，上述观点表明，我们正在进入一个依赖数据繁荣的新时代。人类对系统能力的共生依赖，以及系统对我们提供有意义信息的数据的共生依赖，增加了所提供技术的复杂性。 Consequently, we have become more reliant on trust to survive in these complex symbiotic relationships. This is clearly shown in how digital CTAs were affected by these symbiotic relationships. Most of these apps are collecting highly sensitive data from individuals, including where they have been and with whom they have been in contact.

这项研究建立在Gulati等人之前的工作基础上[ 20.]和Sousa等人[ 22]，并以一个核心研究问题为指导:人机信任量表(HCTS)能否用于评估个人对卫生技术的信任感知?本研究的主要目的是提出一种新的设计评估机制，将信任价值纳入卫生保健技术，使卫生保健干预措施和技术更值得信赖和接受。也就是说，我们使用偏最小二乘结构方程模型(PLS-SEM)来实证地确定所提出的量表(HCTS)的哪些属性适用于医疗保健环境，并可以用作评估个体信任倾向的透镜。研究分为两个主要阶段:(1)量表的改编与翻译，(2)问卷的测量与验证。

采用的理论模型HCTS [ 20.]，说明了信任的多维性，考虑了信任的几个属性，如 图1．利用统计建模技术对该模型进行了验证。提出的模型属性是从系统的多学科文献综述中收集的，并结合:(1)单词启发研究，以捕获包含信任的丰富多学科概念;(2)参与式设计会议和对用户的探索性访谈，以进一步确定信任的前因;(3)技术验收模型的统一[ 22];(4)独立研究，以确保所提出量表的统计确定性:对Siri的信任，对爱沙尼亚电子投票系统的信任，对未来场景的信任，以及对人机交互的信任[ 20.， 26]．衡量信任的最终量表包括三个主要属性:风险感知、能力和仁慈。根据上述研究结果，并意识到信任评估是情境和文化依赖的，我们评估了衡量cta中公民信任态度的量表的有效性。为了实现我们的目标，我们开发了四组假设，这些假设可能会影响或预测用户在与HOIA应用程序交互时的信任。关于我们的主要研究问题建立的四个假设(H1-H4)概述在 文本框1．

本研究遵循对涉及人类受试者的研究负责任的基本伦理原则。所有参与者均已获得知情同意，并获得量表作者的授权[ 20.]对量表进行情境适应和验证。该研究于2021年7月9日获得塔林大学伦理委员会批准(研究名称:“关于技术、社会和文化之间动态信任关系的调查”;批准文号:陶氏6-5.1/17)。

共获得78份答复并用于数据分析;很少的回复被排除，因为所有受访者都完全完成了调查。被排除在外的三个案例中，多数人的答案倾向于中性选项。收集的数据包括以下信息:人口统计、移动应用程序和HOIA的使用模式、对HOIA的信任(包括风险感知、仁慈、能力和一般信任)，以及对HOIA现有和附加功能的看法。在78名受访者中，73% (n=57)是女性，只有27% (n=21)是男性。近一半(36/ 78,47%)的受访者年龄在31-42岁之间，约三分之一(25/ 78,32%)的受访者年龄在43-55岁之间。

在七十八名回应人士中，有六十一名曾下载考评局的综合评估报告。其中，47名女性用户的下载量最高，而14名男性用户的下载量最高。更年轻的受访者(18-30岁)拥有更高的下载量(88%)，但他们所代表的样本也较小。略多于一半(56%)的受访者承认，他们对如何使用HOIA没有信心;这种看法在男性中更为突出(n=13)。20名参与者承认他们从未打开过这款应用，尽管61名参与者声称他们每天都在使用手机应用。

在17名没有下载HOIA应用程序的受访者中，大多数是男性。参与者声称不下载HOIA的主要原因包括:不了解其工作原理，以及担心其数据的隐私和安全。当被问及他们期望从CTA获得哪些额外功能时，一些人提到需要了解积极使用CTA的好处。当被问及他们在移动设备上最常见的活动时，76名参与者表示用于通信，66人表示用于社交网络，60人表示用于娱乐，40人表示用于与健康和福祉有关的用途。

被调查的HCTS包括五个构念:风险感知、能力、仁慈、互惠和信任[ 20.， 22， 26)(见 图1）.根据Hair等人的建议[ 29]，我们的研究中有效执行PLS- sem所需的最小样本量计算为40(即，在PLS路径模型中指向潜在变量的最大箭头数量的10倍)。选择这种方法是因为测量技术信任是复杂的，在这种情况下包括四个结构和模型关系。本研究采用的测量方法改编自Gulati等人[ 20.]．他们的工作模型通过不同的研究信任技术，包括使用设计虚构(未来场景)信任Siri，爱沙尼亚电子投票服务以及信任人机交互[ 24]．Gulati等[ 20.]通过两项独立研究得出的意愿和动机的概念来测量风险感知[ 6， 24]．本研究增加了两个通过Schoorman等人的[ 21信任的概念。Gulati等[ 20.基于Mcknight等人的方法测量能力和互惠[ 30.]，并基于对Harwood和Garry先前工作的改编来测量善行[ 31]和McKnight等人[ 30.]．该调查使用7分李克特量表收集数据，其中1表示非常不同意，7表示非常同意。除风险感知量表外，所有项目均为积极措辞，在分析数据之前，该量表被改编为消极措辞，并被颠倒过来。HCTS措施总结于 文本框2．

我们总共分析了78个答案。在我们的研究中，所有用于分析数据的量表都是积极的，除了感知风险，它是消极的。分析的第一步涉及评估HCTS的可靠性和有效性，以衡量对HOIA的信任。在这一阶段，我们计算项目是否具有良好的潜在构念测量[ 29， 32]．由于负荷低于0.5，我们将风险感知项6和胜任力项4丢弃，并保持所有负荷高于各自的阈值(>0.5)。 表1和 图2演示分析中使用的所有项目及其装载。

进一步验证提取的平均方差(AVE)是否大于0.5;如图所示 表1， AVE值均>0.5，说明项目具有较好的收敛信度[ 12， 32]．同样，各指标的综合信度均在>0.7以上，具有足够的内部一致性。根据Hair等人的研究，狄龙-戈德斯坦ρ统计量[ 29]，与Cronbach α相似，但允许指标变量具有不同的外部负荷，应高于0.7(探索性研究>0.6)。所有项目的数值均高于0.7 ( 表1)，进一步证明模型是可接受的，具有令人满意的内部一致性。

采用Fornell-Lacker准则得到的判别效度和交叉载荷值( 表2)表明，每个构念本身的效度高于每个相应构念的效度[ 32]．

此外，我们评估了决定系数( R² )值，表示外生潜在变量对内生潜在变量的综合影响，其解释方法与传统回归分析程序相同[ 29]．在这项研究中 R² 值为0.806，调整后 R² 是0.795。根据Hair等人[ 29]， R² 0.75、0.50或0.25分别被认为是实质性的、中等的或弱的。根据这种解释，两者 R² 和调整 R² 这项研究的价值表明了实质性的影响。因此，大约83%的技术信任变化可以用HCTS中具有统计意义的外生变量来解释。因此，我们得出结论，统计上显著的属性可以显著预测COVID-19 cta的用户信任，即HOIA。考虑到目前为止获得的所有经验值，可以肯定地说，我们的模型通过了测量和结构模型评估的标准，最终的量表显示出良好的效度、信度和预测能力。

为了解决我们的中心研究问题(HCTS能否用于评估个人对卫生技术的信任感知?)，我们对HCTS是否适合评估个人对卫生技术的信任感知进行了实证评估，其更广泛的目标是了解HCTS的哪些属性适用于卫生技术。如图所示 表3，基于统计上显著的影响，我们的四个假设中除了一个之外都得到了支持。

例如，H1(风险感知中介信任)、H2(胜任力中介信任)和H4(互惠中介信任)具有统计学意义，这与Gulati等人的研究结果一致[ 20.]．然而，我们也发现H3(仁慈中介信任)不显著( P=点)。要理解这些结果，重要的是要考虑这些构造是如何操作的。H1和H2是根据Gulati等人的[ 20.]和Schoorman等人[ 21]信任的概念化，而H3和H4是基于Gulati等人的操作化[ 20.]．

我们的研究也有其局限性，可以指导今后的研究。首先，文化影响信任。其次，该量表(HCTS)表明，信任是一个动态的结构，在语境中演变，并具有文化依赖性。第三，根据Schoorman等人[ 21概念化需要进一步重新评估，因为结果更符合Gulati等人的结果[ 20.]，但也表明爱沙尼亚公民对HOIA作为仁慈特质的看法之间没有显著相关性。

总之，本研究的结果表明，对爱沙尼亚CTA (HOIA)的信任程度与用户认为系统胜任，互惠和风险的程度显着相关。本研究使用PLS-SEM来识别具有统计意义的因素，以评估个人对健康的人类技术互动的信任感知。这项工作有助于建立由HCTS衍生的量表的最终版本，该量表由13个项目组成，可用于测量用户信任水平，包括能力、互惠和感知风险。此外，这些结果不应仅局限于HOIA，也可用于衡量其他cta的信任。