跳到主要內容

臺灣博碩士論文加值系統

(44.211.239.1) 您好!臺灣時間:2023/01/31 05:05
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:蕭宇真
研究生(外文):HSIAO, YU-CHEN
論文名稱:人工智慧語音助理服務辨識程度與使用意願關聯之研究
論文名稱(外文):Research on the Correlation between Speech Recognition and Willingness to use of Artificial Intelligence Voice Assistant Service
指導教授:劉仲矩劉仲矩引用關係
指導教授(外文):LIU, CHUNG-CHU
口試委員:楊君琦駱少康劉仲矩
口試委員(外文):YANG, CHUN-CHILO, SHAO-KANGLIU, CHUNG-CHU
口試日期:2020-12-11
學位類別:碩士
校院名稱:國立臺北大學
系所名稱:企業管理學系
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2021
畢業學年度:109
語文別:中文
論文頁數:73
中文關鍵詞:人工智慧(AI)智慧語音助理服務語音辨識使用意願
外文關鍵詞:Artificial intelligence (AI)Intelligent voice assistant servicesSpeech recognitionWillingness to use
相關次數:
  • 被引用被引用:3
  • 點閱點閱:513
  • 評分評分:
  • 下載下載:178
  • 收藏至我的研究室書目清單書目收藏:2
依據國際研究暨顧問機構Gartner預測,在2021年將有25%的數位勞工(digital worker),係指每日運用虛擬助理(virtual employee assistant; VEA);到了2023年,其工作項目大約25%是透過語音來完成。隨著人工智慧的技術達到語音轉文字或文字轉語音託管式服務的快速發展,運用「語音」智慧於工作職場、日常生活的比例將大幅上升。同時,依據Gartner的調查顯示,2019年人工智慧(AI)語音助理除了手機,亦將轉化至筆記型電腦、家電等其他智慧裝置中,AI已然深刻影響了人們的生活模式。因此,如何讓顧客、員工對於人工智慧語音助理服務的功能有所認識且願意使用,感知其有用性和易用性,達成持續使用的效果,顯得尤其重要。爰本研究目的在於試圖了解人工智慧語音助理服務與辨識程度衡量和使用意願衡量之關聯性。以具備人工智慧語音助理服務操作經驗的使用者作為主要研究對象,以電子問卷和紙本問卷的方式進行問卷發放,共回收321份有效問卷。經由探索性因素分析將三構面變數分類,並運用SPSS階層迴歸分析、AMOS和JASP軟體來分析資料和驗證假說。根據分析結果,本研究人工智慧語音助理服務功能認知對使用意願呈現部分顯著正向相關;辨識程度衡量對使用意願呈現部分顯著正向相關;在假說三、四部分,根據研究結果,服務辨識程度衡量對人工智慧語音助理服務與使用意願之關係具有部分中介效果。企業如何讓顧客、員工對於人工智慧語音助理服務的功能有所認識是重要的,並且經由語音辨識程度、感知分析和互動性,提升使用的意願和持續性效果,以創造新興的商業模式,提升實務工作面的效益,顛覆以往的生活、工作方式,得以達到更好的社會利益,將會是未來在人工智慧語音助理服務一大發展趨勢,亦是一大挑戰。爰根據上述討論結果,希冀給予企業在對外使用或對內導入人工智慧語音助理服務相關的建議和想法,提升整體社會效益,因應未來的趨勢。
According to Gartner, an international research and consultancy agency, by 2021, 25% of digital workers will use virtual assistants (VEAs) every day; by 2023, 25% of their work by voice. With the rapid development of artificial intelligence technology in speech-to-text or text-to-speech hosting services, the proportion of using "speech" wisdom in the workplace and daily life will increase significantly. At the same time, in accordance with a Gartner survey, in 2019, in addition to mobile phones, artificial intelligence (AI) voice assistants will also be transformed into other smart devices, such as laptops and home appliances. AI has already profoundly affected people's lifestyles. Therefore, how to make customers and employees aware of the functions of the artificial intelligence voice assistant service, be willing to use it, and perceive usefulness and ease of use is the main point. Meanwhile, the effect of continuous use is particularly important. This study aims to indicate the correlation between the artificial intelligence voice assistant service, the degree of speech recognition and the willingness to use. Those who have used artificial intelligence voice assistant service were taken as the main research objects. The questionnaires were distributed by electronic questionnaires and paper questionnaires, and a total of 321 valid questionnaires were recovered. The three variables were classified by factor analysis, and SPSS hierarchical regression analysis, AMOS and JASP software were used to analyze the data and verify the hypothesis. In accordance with the analysis results, the cognitive function of the artificial intelligence voice assistant service has a significant partial positive correlation with the willingness; the degree of speech recognition measure has a significantly partial positive correlation with the willingness; in the third and fourth parts of the hypothesis, in accordance with the research results, the relationship between the degree of service speech recognition measure and artificial intelligence voice assistant services and the willingness has a partial intermediary effect. How to make customers and employees aware of the functions of the artificial intelligence voice assistant service is important. Through speech recognition, perception analysis and interactivity, enhance the willingness to use and the sustainable effect, create a new business model, and improve the effectiveness of practical work. Moreover, subvert the previous way of life and work, and achieve better social benefits. It will be a major development trend and also a major challenge in the future of artificial intelligence voice assistant services. Based on the results of the above discussion, hoping to make enterprises suggestions and ideas on using artificial intelligence voice assistant services externally or internally to improve overall social benefits and respond to future trends.
謝 詞 I
中文摘要 II
ABSTRACT III
目 錄 V
圖 次 VII
表 次 VIII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究問題與目的 2
第三節 研究流程 5
第二章 文獻探討 6
第一節 人工智慧語音助理服務功能認知與使用意願之相關研究 6
第二節 服務辨識程度與使用意願之相關研究 10
第三節 服務辨識程度對人工智慧語音助理服務功能認知與使用意願之干擾效果與中介效果 12
第三章 研究方法 14
第一節 研究架構 14
第二節 研究對象與樣本結構 15
第三節 研究問卷設計 17
第四節 資料分析處理 22
第四章 研究結果分析 47
第一節 研究結果 47
第五章 結論與建議 57
第一節 研究結論 57
第二節 研究建議 61
第三節 研究限制 63
參考文獻 64
附錄一 問卷內容 72
著作權聲明 73
一、中文參考文獻
Lynn(2020)。從搜尋、購物到車載娛樂:語音助理是 Google 跟 Amazon 之間的決勝點。INSIDE 硬塞的網路趨勢觀察。西元2020年3月25日,取自:https://www.inside.com.tw/article/19083-google-amazon-apple-voice-assistant-next-wave
王保進 (2004)。多變量分析:套裝程式與資料分析。高等教育出版。305-435。
王珩、杜利民(2001)。智慧語音服務系統。現代電信科技,(12),30-31.
白麗(2018)。陪伴型機器人使用者經驗評估─以智慧居家機器人 Zenbo 為例。福祉科技與服務管理學刊,6(3)。
白麗、鄭家凱、林恩如、陳思宇、張譯云、徐業良(2018)。陪伴型機器人使用者經驗評估─以智慧居家機器人Zenbo為例。福祉科技與服務管理學刊,6(3),265-282。
李明月(2018)。基於物聯網時代下的智能語音產業社會化,中國新通信,9,157。
李海峰、陈婧、马琳、薄洪健、徐聪、李洪伟(2020)。维度语音情感识别研究综述。软件学报,31(8),2465-2491。
李佩璇(2020)。台灣電子業當地連結,國際化程度對子公司經營績效的影響-以子公司被授權程度為中介變數。中興大學企業管理學系所碩士論文。
林可希(2013)。智慧語音技術在熱線服務質檢中的應用探討。無線互聯科技,(12),142-144。
林茂城、王又鵬(2019)。顧客對便利商店行動購物APP功能的認知有用性對其使用意願影響效果之研究。北商學報,36,69-93。
林秀芬、趙時樑、王誠煦(2011)。即時通訊軟體使用意願影響因素之研究-以海運承攬業為例。電子商務研究學術期刊,35(1),35-60。
林韋廷、陳柏琳(2019)。端到端語音辨識於中英文混合會議語料。In NCS 2019 全國計算機會議。國立金門大學。507-511。
林資偉(2017)。個人化語言處理:語言模型及理解。國立臺灣大學電信工程學研究所碩士論文。台北市。
邱皓政(2017)。多元迴歸的自變數比較與多元共線性之影響:效 果量、優勢性與相對權數指標的估計與應用。臺大管理論叢,27(3),1-44。
侯以恆 (2016)。基於語音辨識技術之電子商務輿情推薦系統之研究。淡江大學資訊管理學系碩士論文。台北市。
涂志才(1994)。人工智慧語音辨識之研究(未出版之碩士論文)。國立中央大學光電(科學)研究所。桃園市。
陳正昌、程炳林、陳新豐、劉子鍵(2003)。多變量分析方法—統計軟體應用(三版)。臺北市:五南。
陳右怡(2019)。迎接人機介面新商機,掌握全球AI語音助理下一步。新通訊元件雜誌。西元2020年3月27日,取自:https://www.2cm.com.tw/2cm/zh-tw/tech/B73A5BE5A4954D5988102C7D8A5B8A68?type=26
陳李綢(2000)。教育大辭書。國家教育研究院。西元2020年3月25日,取自: http://terms.naer.edu.tw/detail/1302288/
陳繹介(2018)。聊天機器人性別提示對使用者在網路購物中的信任度與個人感受影響(未出版之碩士論文)。臺中科技大學多媒體設計系,臺中市。
高雅欣(2019)。智慧音箱大行其道,「語音商務」這條路怎麼走。未來商務。西元2020年3月25日,取自:https://fc.bnext.com.tw/smartspeaker-business-possibilities/
張修瑞(2019)。端對端語音辨識技術於電腦輔助發音訓練。國立臺灣師範大學資訊工程學系學位論文。台北市。
馮曼瑋(2018)。運用「整合性科技接受使用模式」探討消費者對於智慧語音助理使用意圖(未出版之碩士論文)。國立交通大學管理學院經營管理學程。新竹市。
郭永利(2016)。基於語音識別技術的彩鈴定制平台設計。哈爾濱工程大學電子與通信工程學系碩士論文。哈爾濱。
郭志忠、林奇嶽(2018)。誤解與挑戰:從語音辨識到口語理解。「電腦與通訊」,174,35-56。
郭品廷(2014)。手機應用程式認知價值影響使用意願之分析。國立屏東商業技術學院行銷與流通管理系碩士論文。屏東縣。
程倚華(2019)。AI門檻快速降低,李開復:不需頂級科學家,有AI工程師就夠!。數位時代。西元2020年3月27日,取自:https://www.bnext.com.tw/article/54120/no-more-ai-expert
黃昱睿、鐘尹蔚、葉瑞峰(2012)。以音韻屬性偵測擷取對話語音關鍵詞之研究。The Association for Computational Linguistics and Chinese Language Processing, 231-245.
黃俊閔、洪振鐘、阮懷馨(2008)。拍賣網站品牌來源國、品牌關係品質與品牌權益。中華管理評論國際學報,11(3),1-26。
黃致豪(2013)。人格特質、創業精神與先驗知識對創業績效之關聯性研究-以機會辨識為中介變數。國立高雄應用科技大學企業管理系碩士在職專班碩士論文。高雄市。
黃璿(2009)。人聲發音機制之探討(未出版之碩士論文)。國立臺灣大學電機工程學系。臺北市。
黃繼寬(2017)。語音辨識/AI 分進合擊,軟硬體廠劍指家庭智慧中樞。新通訊元件雜誌,193。
彭台光、高月慈、林鉦棽(2006)。管理研究中的共同方法變異:問題本質、影響、測試和補救。管理學報,23(1),77-98。
溫福星(2013)。社會科學研究中使用迴歸分析的五個重要觀念。管理學報,30(2)。169-190。
鄭如芬(2019)。以科技接受模式探討消費者使用智慧音箱之研究。國立屏東大學行銷與流通管理學系碩士班碩士論文。屏東縣。
蔡友翔(2012)。都市內部建築物重開發之影響因素-以臺北市為例。國立政治大學地政學系碩士論文。臺北市。
劉ㄠ和、宋庭新(2008)。語音識別與控制應用技術。中國:科學出版社。
劉仲矩、洪羽柔(2016)。消費者觀點探索百貨公司美學重要性與性別差異分析之研究。美容科技學刊,13(1),77-96。
劉仲矩、郭柏辰(2019)。手機Siri語音智能價值及性別差異之研究。商學學報,27,107-129。
蕭文龍(2018)。統計分析入門與應用:SPSS中文版+SmartPLS 3(PLS-SEM)第二版。臺北市:碁峰資訊。
韩文静、李海峰、阮华斌、马琳(2014)。语音情感识别研究进展综述。软件学报,25(1),37-50。
韓志杰(2015)。設計與實作-適用於網頁瀏覽之語音助理。國立成功大學工程科學系碩士論文。台南市。
鍾俊元(2017)。人工智慧正掀起語音介面技術與應用服務變革。工業技術研究院。



二、 英文參考文獻
Agarwal, R., & Karahanna, E. (2000). Time flies when you're having fun: Cognitive absorption and beliefs about information technology usage. MIS Quarterly, 665-694.
Agarwal, R., & Prasad, J. (1998). A conceptual and operational definition of personal innovativeness in the domain of information technology. Information Systems Research, 9(2), 204-215.
Aiken, L. S., West, S. G., and Reno, R. R. (1991). Multiple regression: Testing and interpreting interactions. Thousand Oaks, CA: Sage.
Alapetite, A., Andersen, H. B., & Hertzum, M. (2009). Acceptance of speech recognition by physicians: A survey of expectations, experiences, and social influence. International Journal of Human-Computer Studies, 67(1), 36-49.
Avolio, B., Yammarino, F. J. and Bass, B. M. (1991). Identifying common methods variance with data collected from a single source: An unresolved sticky issue. Journal of Management, 17(3), 571-587.
Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality & Social Psychology, 51(6), 1173-1182.
Bartlett, M. S. (1951). An inverse matrix adjustment arising in discriminant analysis. Ann. Math. Statist, 22 (1951), 1, 107-111.
Bollen, K. A. (1989). A new incremental fit index for general structural equation models. Sociological Methods & Research, 17(3), 303-316.
Bradley Metrock (2019). Your company needs a strategy for voice technology. Harvard Business Review, April 1, 2020. Retrieved from
https://www.hbrtaiwan.com/article_content_AR0008927.html
Chou, C. & Tsai, M. (2007). Gender differences in Taiwan high school students ' computer game playing. Computers in Human Behavior, 23 (1), 812 - 824.
Cole, R. A. & Hirschman, L. & Atlas, L. & Beckman, M. (1995). The challenge of spoken language system: research directions for nineties. IEEE Transactions on Speech and Audio Processing, 3, 1-21.
Cyr, D., Head, M., & Ivanov, A. (2006). Design aesthetics leading to m-loyalty in mobile commerce. Information & Management, 43(8), 950-963.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 319-340.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management Science, 35(8), 982-1003.
DeVellis, R. (2003). Scale development: Theory and applications. Thousand Oaks, CA: Sage.
Draper, N. R., and H. Smith, (1998). Applied regression analysis (3rd ed.). NY: John Wiley and Sons, Inc.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.
Gale M. Lucas, Jonathan Gratch, Aisha King, Louis-Philippe Morency. (2014). It’s only a computer: Virtual humans increase willingness to disclose. Computers in Human Behavior, 37(August), 94-100.
Gartner, Inc., Gartner predicts 25 percent of digital workers will use virtual employee assistants daily by 2021, April 1, 2020. Retrieved from https://www.gartner.com/en/newsroom/press-releases/2019-05-01-gartner-says-the-majority-of-digital-workplace-initia
Hair, J. F., Anderson, R. E., Babin, B. J., & Black, W. C. (2010). Multivariate data analysis: A global perspective (7th ed.). Upper Saddle River, NJ: Pearson.
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate data analysis. Upper Saddle River, NJ: Prentice Hall.
Hadi, M. S., Shidiqi, M. A. A., Zaeni, I. A. E., Mizar, M. A., & Irvan, M. (2019, October). Voice-based monitoring and control system of electronic appliance using dialog flow API via Google assistant. In 2019 International Conference on Electrical, Electronics and Information Engineering (ICEEIE), 6, 106-110.
Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1(1), 104-121.
Holmbeck、G. N. (2002). Post-hoc probing of significant moderational and mediational effects in studies of pediatric populations. Journal of Pediatric Psychology, 27(1), 87-96.
Jöreskog, K. G., & Sörbom, D. (1993). Structural equation modeling with the SIMPLIS command language. CHI: Scientific Software.
Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31-36.
Kristopher J. Preacher. (2010-2020). Website of Kristopher J. Preacher. April 1, 2020. Retrieved from http://quantpsy.org/
Lattin, J. M., J. D. Carroll, and P. E. Green, (2003). Analyzing multivariate data. Pacific Grove, CA: Thomson Brooks/Cole.
Lin, Cheng-chen & Yeh, Shao-chi (1997). The relationship among job search intensity, realism of information, and socialization: The effect of common method variance. Sun Yat-Sen Management Review, 5(4), 923-942.
Lu, H. P. & Hsiao, K. L. (2008). Gender differences in reasons for frequent blog posting. Online Information Review, 33 (1), 135 - 157.
Masahiro Mori (1970). Bukimi no tani the uncanny valley (K. F. MacDorman & T. Minato, Trans.). Energy, 7(4), 33–35. (Originally in Japanese)
Moorthy AE, Vu K-PL (2014) Voice activated personal assistant: Acceptability of use in the public space. In: International conference on human interface and the management of information. Springer, 324–334.
Nhlanhla Simanga Dlamini (2015)。Acoustic model training for speech recognitio (Master’s thesis), National Taipei University.
Nysveen, H., Pedersen, P. E., and Thorbjørnsen, H., (2005). Intentions to use mobile services: Antecedents and cross-service comparisons. Journal of the Academy of Marketing Science, 33(3), 330-346.
Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y. & Podsakoff, N. P. (2003). Common method viases in behavioral research: A critical review of the literature and recommened remedies. Journal of Applied Psychology, 88(5), 879-903.
Pollack, M. E. (2005). Intelligent technology for an aging population: The use of AI to assist elders with cognitive impairment. AI Magazine, 26(2), 9–9.
https://doi.org/10.1609/aimag.v26i2.1810
Records, H., Records, N. M., & Prichard, J. (2007). The potential impact of speech recognition technology on workplace productivity. Bryant University, Rhode Island.
Walczuch, R., Lemmink, J., & Streukens, S. (2007). The effect of service employees’ technology readiness on technology acceptance. Information & Management, 44(2), 206-215.
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(July), 2-22.
Zeng, D. (2020). An investigation of mature travelers’ usage intention of intelligent voice assistants in hotels (Doctoral dissertation, Purdue University Graduate School).
Zhou, T. (2013). An empirical examination of continuance intention of mobile payment services. Decision Support Systems, 54(2), 1085-1091.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊