论文标题：Ethical AI in Financial Inclusion: The Role of Algorithmic Fairness on User Satisfaction and Recommendation

论文链接：https://www.mdpi.com/2504-2289/8/9/105

期刊名： Big Data and Cognitive Computing

期刊主页：https://www.mdpi.com/journal/BDCC

一、引言

人工智能技术正重塑普惠金融发展格局，在降低服务成本、拓展服务边界的同时，也暴露出算法黑箱、决策偏见等伦理风险，规制不当反而可能加剧金融排斥。当前相关研究多聚焦技术效率，算法伦理对用户感知与行为的作用机制尚未得到系统验证。本研究以组织公平理论与启发式-系统式模型为核心框架，系统考察算法透明度、问责性与合法性对用户公平感知的影响，及其进一步作用于用户满意度与推荐意愿的内在路径，通过对中国675名普惠金融AI服务用户的问卷调查开展实证分析，为构建合规可信的普惠金融AI体系提供实证支撑。

二、材料与方法

本研究采用问卷调查法，面向中国使用AI驱动普惠金融服务（如智能信贷、数字风控等）的用户收集数据。问卷通过在线调查平台结合社交媒体和金融合作渠道进行推广，最终回收有效问卷675份。样本在年龄、性别、收入、教育程度和地域分布上均衡，近六成受访者使用相关服务超过一年，数据代表性良好。研究工具包括六个成熟量表：算法透明度、算法问责性、算法合法性、感知算法公平性、用户满意度、推荐意愿。数据采用协方差结构方程模型（CB?SEM）进行假设检验，并运用Bootstrap法检验中介效应。

三、分析与结果

描述性分析：研究样本覆盖多元人群，结构方程模型拟合良好。通过路径分析，研究发现算法透明度、问责性和合法性均能显著提升用户对算法公平性的感知。进一步分析表明，感知算法公平性不仅直接促进用户满意度，还增强了用户向他人推荐服务的意愿，而满意度本身也对推荐行为具有正向推动作用。整体而言，伦理属性通过“公平感知”这一中介环节，对用户态度与行为产生积极影响。

图1 研究假设路径模型

内容分析：基于上述结果，研究揭示了“伦理属性→公平感知→用户反应”的完整因果链条。当用户能理解算法逻辑（透明度）、相信系统可被监督与纠正（问责性），并认为AI运作符合社会规范和法规（合法性）时，其公平感显著增强，进而带动满意度和推荐意愿的提升。这一机制表明，金融科技企业应将伦理设计视为核心价值，而非附加约束。中介效应检验进一步确认了公平感知的关键桥梁作用，证实了组织公平理论与启发式-系统式模型在普惠金融AI场景中的适用性。

挑战：尽管伦理设计对用户体验的积极作用已得到验证，但在实际落地中仍面临现实障碍：透明度与商业机密之间的张力、用户主观感知的波动性，以及不同文化背景下“公平”认知的差异性。这意味着，单靠技术合规难以完全赢得用户信任，仍需配套制度与公众教育的协同推进。

四、讨论

基于文献分析与实证结果，本研究提出以下核心观点：

1.算法透明度、问责性与合法性是构建用户感知公平的基础要素，其中合法性效应最强，提示制度合规与社会认同对用户信任的关键作用；

2.感知算法公平性作为心理中介，连接伦理设计与用户行为反应，表明金融机构若欲提升用户满意度与口碑，需将公平性置于算法设计的核心目标；

3.用户满意度对推荐意愿的正向影响进一步强化了“伦理→公平→满意→推荐”的链式效应，凸显了普惠金融中良性口碑传播的重要性；

4.研究拓展了组织公平理论在AI场景中的应用，并丰富了启发式?系统式模型的解释力，为后续研究提供了理论整合框架。

五、展望与结论

本研究仍存在一定局限性：研究样本集中于中国地区，结论的跨文化普适性有待验证；横截面研究设计难以精准推断变量间的长期因果关系；仅考察了三项核心伦理维度，未覆盖隐私保护、数据所有权等其他重要伦理议题。未来可采用纵向追踪、跨文化比较、实验设计等方法进一步拓展。此外，可探索隐私保护、数据所有权等更多伦理维度，并关注不同利益相关者的视角。

研究总结认为，本研究首次将组织公平理论与启发式-系统式模型系统性地应用于AI驱动普惠金融领域，揭示了算法透明度、问责性和合法性如何通过感知算法公平性影响用户满意度与推荐行为。研究结论为金融机构与AI开发者优化产品设计提供了明确方向：通过提升算法透明度、完善问责机制、保障合规合法性来强化用户公平感知，能够有效提升用户满意度与口碑传播，推动普惠金融AI朝着更伦理、更包容、更可持续的方向发展。

期刊介绍

主编：Min Chen, South China University of Technology, China

Big Data and Cognitive Computing (ISSN: 2504-2289)创刊于2017年，是面向计算机科学大数据与认知计算的国际性、跨学科、开放获取的学术期刊，主要发表与大数据、云计算、认知计算、人工智能通信、数据分析、移动大数据、认知学习、机器学习等相关主题的原创研究论文。期刊旨在将大数据理论与智能云新兴技术结合起来，并探索超级计算机的新应用。目前已被 Scopus, ESCI (Web of Science), dblp, Inspec, Ei Compendex等多个数据库收录。

2025 Impact Factor：5.3

2025 CiteScore：11.4

Time to First Decision： 23.3 Days

Acceptance to Publication： 4.8 Days