探索家庭采用和使用生成性人工智能_来自意大利的新证据（英）_28页_723kb

家庭对生成式人工智能的采用与使用分析：意大利的新证据

核心内容

本研究基于2024年意大利消费者期望调查（ISCE）的专项模块，探讨了生成式人工智能（Gen AI）在家庭中的采用与使用情况。研究通过分析不同人口统计学和社会经济特征对Gen AI认知与使用的影响，以及其对家庭收入的潜在回报，提供了关于Gen AI在意大利社会中普及程度和使用模式的新证据。

主要观点

• Gen AI的普及率：截至2024年4月，75.6%的意大利18-75岁人口对Gen AI有所认知，其中36.7%在过去12个月内至少使用过一次，20.1%表示每月使用。
• 性别差异：男性比女性更有可能认知和使用Gen AI，男性认知率比女性高约8个百分点，使用率高约7个百分点。这种性别差距在控制了社会人口学特征后依然存在。
• 教育与年龄影响：教育水平和年龄是Gen AI认知和使用的重要决定因素。拥有大学学历的个体比教育水平较低者更有可能认知和使用Gen AI，而年轻人（尤其是18-34岁）在认知和使用频率上显著高于年长者。
• 城市规模影响有限：居住在中等或大型城市对Gen AI认知和使用的影响较小，表明其采用不强烈依赖于城市规模。
• 预期用途：受访者预计未来将更多地使用Gen AI用于教育、培训和休闲，而用于医疗和金融建议的预期较低。
• 收入回报：使用Gen AI与收入增长之间存在正相关，估计收入回报率为1.8-2.2%，相当于额外半年的教育回报，约为90年代计算机使用回报的十分之一。

关键信息

1. 调查背景

• 数据来源：意大利消费者期望调查（ISCE），2024年4月第三波调查。
• 调查范围：覆盖18-75岁意大利居民，具有代表性。
• 调查方式：采用计算机辅助网络访谈（CAWI），每季度进行一次。
• 样本量：每波调查约5000个样本，总样本量为5005人。

2. Gen AI的认知与使用情况

• 认知率：75.6%的受访者认知Gen AI。
• 使用率：35.7%的受访者在过去12个月内使用过Gen AI。
• 使用频率：平均使用天数约为10天，但个体差异较大。
• 性别差异：男性在认知和使用方面均显著高于女性。
• 教育水平：拥有大学学历的个体比高中毕业或更低学历者更可能认知和使用Gen AI。
• 年龄差异：年轻人（尤其是18-34岁）在认知和使用方面更为积极，随着年龄增长，使用率显著下降。
• 职业影响：学生和教师在认知和使用方面表现出差异，学生更积极使用，教师则在认知后使用率较高。

3. 预期用途

• 主要用途：教育、培训和休闲是Gen AI未来使用的主要领域。
• 次要用途：医疗和金融建议的预期使用率较低。
• 社会活动与信任：社会活动频率与Gen AI认知和使用正相关，而信任仅对认知有显著影响。

4. 收入回报分析

• 方法：采用Mincer型收入回归模型，基于2700名雇员样本分析Gen AI使用对收入的影响。
• 结果：Gen AI使用与收入增长正相关，回报率约为1.8-2.2%。
• 与历史技术对比：这一回报率相当于半年的额外教育回报，约为90年代计算机使用回报的十分之一。
• 性别差异：男性Gen AI使用带来的收入回报略高于女性。
• 行业差异：高暴露行业（如金融、房地产、专业服务）中Gen AI的回报率较高。

5. 政策意义

• 促进公平：需关注性别和教育差异，以确保所有群体都能公平地从Gen AI中受益。
• 教育与培训：教育水平的提升有助于提高Gen AI的使用率，因此应加强相关教育和培训。
• 技术扩散：Gen AI的广泛应用可能带来宏观层面的生产力提升，但需进一步研究其在不同群体和行业中的扩散情况。

结构概览

• 引言：介绍研究背景和目的。
• 调查方法：描述ISCE的结构、样本和数据收集方式。
• Gen AI认知与使用的影响因素：分析性别、教育、年龄、城市规模等因素对Gen AI认知和使用的影响。
• 未来使用预期：探讨Gen AI在不同社会经济情境下的预期使用情况。
• 收入回报分析：使用Mincer回归模型评估Gen AI使用对收入的影响。

结论

研究强调了人口统计学和社会经济因素在Gen AI认知和使用中的重要性，并指出其对收入有积极影响。然而，Gen AI的宏观经济效应仍需进一步研究，以理解其在不同行业和群体中的扩散情况及潜在影响。