Document [original]

WISSENSCHAFTLICHE BEITRÄGE

https://doi.org/10.1007/s41449-023-00383-5

Zeitschrift für Arbeitswissenschaft

Multidimensionale Fragebögen zur Erfassung der wahrgenommenen

Robotermorphologie (RoMo) in der Mensch-Roboter-Interaktion

Eileen Roesler1· Kenneth zur Kammer2· Linda Onnasch1

Angenommen: 6. Oktober 2023

Zusammenfassung

Die Morphologie von Robotern spielt eine entscheidende Rolle für die erfolgreiche Interaktion mit Menschen, da Erwartun-

gen und soziale Interaktionsskripte aktiviert werden. Insbesondere das Konzept des Anthropomorphismus hat in den letzten

Jahren große Aufmerksamkeit erhalten. Forschungsarbeiten haben sowohl positive als auch negative Auswirkungen dieses

Gestaltungsansatzes gezeigt. Um jedoch Aussagen darüber treffen zu können, welche dieser Merkmale die Interaktion un-

terstützen oder hemmen, fehlt ein geeignetes Instrument zur Erfassung des wahrgenommenen Anthropomorphismus. Dies

gilt auch für tierähnliche (zoomorphe) und technische (technomorphe) Gestaltungsansätze. Bisherige Fragebögen erfassen

die Robotermorphologie nur auf eindimensionaler Ebene, obwohl die meisten Theorien von mehreren Dimensionen ausge-

hen. Daher wurde ein Set von mehrdimensionalen Fragebögen entwickelt und validiert, die auf einer aktuellen Taxonomie

der Mensch-Roboter-Interaktion basieren und folgende Dimensionen umfassen: Aussehen, Kommunikation, Bewegung,

und Kontext. In einer ersten Online-Studie wurden drei Fragebögen zur wahrgenommenen Morphologie hinsichtlich An-

thropomorphismus (RoMo-A), Zoomorphismus (RoMo-Z) und Technomorphismus (RoMo-T) entwickelt. In einer zweiten

Online-Studie wurden die Fragebögen erfolgreich mit einer neuen Stichprobe validiert. Die Ergebnisse zeigten zudem,

dass die Fragebögen bereits auf kleine Morphologieunterschiede sensibel reagieren.

Praktische Relevanz: Die Morphologie von Robotern in Bezug auf Aussehen, Kommunikation, Bewegung und Kontext be-

einflusst sowohl die menschliche Wahrnehmung als auch das Verhalten. Um eine erfolgreiche Mensch-Roboter-Interaktion

zu gestalten ist es daher nicht nur wichtig zu verstehen, ob anthropomorphe, zoomorphe oder technomorphe Merkmale

implementiert werden sollten, sondern auch zu welchem Grad dies geschehen sollte. Um diese praktischen Fragestellungen

untersuchen zu können, werden Instrumente benötigt, mit denen Designer:innen und Entwickler:innen den Grad einer je-

weils implementierten anthropomorphen, zoomorphen oder technomorphen Gestaltung eines Roboters erfassen können. Die

hier vorgestellten Fragebögen erlauben dies in flexibler und ökonomischer Weise. Sie unterstützen damit eine Abschätzung

des Grades der Morphologie von Robotern in allen Anwendungsbereichen von Therapie bis industrielle Kollaboration. Sie

sind nicht nur für Wissenschaftler:innen sondern auch Entwickler:innen und Designer:innen gleichermaßen geeignet.

Schlüsselwörter Fragebogen · Robotermorphologie · Anthropomorphismus · Zoomorphismus · Technomorphismus

Dr. Eileen Roesler

eileen.roesler@tu-berlin.de

Prof. Dr. Linda Onnasch

linda.onnasch@tu-berlin.de

1Technische Universität Berlin, Marchstraße 23, 10623 Berlin,

Deutschland

2Hochschule Kempten, Bahnhofstraße 61, 87435 Kempten,

Deutschland

Zeitschrift für Arbeitswissenschaft

Multidimensional questionnaires to measure the perceived robot morphology (RoMo) in

human-robot interaction

Abstract

The morphology of robots plays a crucial role in successful interaction with humans, as expectations and social interaction

scripts are activated. In particular, the concept of anthropomorphism has received much attention in recent years. Research

has shown both positive and negative effects of this design approach. However, in order to be able to make statements

about which of these features support or hinder interaction, there is a lack of a suitable instrument for assessing perceived

anthropomorphism. This also applies to animal-like (zoomorphic) and technical (technomorphic) design approaches. Pre-

vious questionnaires only capture robot morphology on a one-dimensional level, although most theories assume multiple

dimensions. Therefore, a set of multidimensional questionnaires was developed and validated, based on a current taxonomy

of human-robot interaction and including the following dimensions: appearance, communication, movement, and context.

In the first online study, three questionnaires on perceived morphology were developed regarding anthropomorphism (Ro-

Mo-A), zoomorphism (RoMo-Z), and technomorphism (RoMo-T). The questionnaires were successfully validated with

a different sample in a second online study. The results also showed that the questionnaires are sensitive to small differences

in morphology.

Practical Relevance: The morphology of robots in terms of appearance, communication, movement, and context influences

both human perception and behaviour. In order to design a successful human-robot interaction, it is therefore not only

important to understand whether anthropomorphic, zoomorphic, or technomorphic features should be implemented, but

also to what degree this should be done. In order to be able to investigate this, instruments are needed with which designers

and developers can record the degree to which the anthropomorphic, zoomorphic, or technomorphic design of a robot

has been implemented in each case. The questionnaires presented here allow this in a flexible and economical way. They

thus support an assessment of the degree of morphology of robots in all application areas from therapy to industrial

collaboration. They are not only suitable for scientists but also for developers and designers.

Keywords Questionaire · Robot morphology · Anthropomorphism · Zoomorphism · Technomorphism

1 Einleitung

Die Interaktion von Menschen und Robotern gewinnt in

einer Vielzahl von Arbeitsbereichen kontinuierlich an Be-

deutung. Neben dem stetigen Wachstum der Bedeutung von

Industrie- und Servicerobotik (International Federation of

Robotics 2020a, b), kommt es vor allem auch in sozia-

len Anwendungsfeldern, wie im Bildungs- und Gesund-

heitswesen, zu immer umfangreicherer robotischer Assis-

tenz (Belpaeme et al. 2018; Scoglio et al. 2019). Domänen-

übergreifend zeigt sich dabei der Trend zur kollaborativen

Interaktion, bei der Menschen mit Robotern in zeitlicher

und räumlicher Abhängigkeit zusammenarbeiten (Onnasch

und Roesler 2021). Dadurch ergeben sich neue Herausfor-

derungen für eine erfolgreiche Mensch-Roboter-Interakti-

on (MRI) (Sheridan 2016). Während in früheren koexis-

tierenden Strukturen insbesondere leistungsbezogene Fak-

toren des Roboters wie Sicherheitssysteme und technische

Zuverlässigkeit im Fokus standen, rücken durch die Kol-

laboration nun andere Merkmale in den Vordergrund, die

stärker auf die Erfahrung der direkten Interaktion zwischen

Roboter und Mensch fokussieren (Matheson et al. 2019).

Eine zentrale Frage im Zusammenhang kollaborativer Ro-

botik ist daher, wie durch die Gestaltung von Robotern ei-

ne intuitive und angenehme Interaktion unterstützt werden

kann (Bartneck et al. 2009; Hancock et al. 2011;Roesler

et al. 2021).

1.1 Die Bandbreite von Morphologie

Da sich die Kategorisierung der Robotermorphologie des

entwickelten Fragebogens auf der Taxonomie von Onnasch

und Roesler (2021) bezieht, wird der theoretische Hinter-

grund genutzt, um die in dieser Taxonomie aufgeführten

Konzepte einzuführen. Für eine umfassende und systemati-

sche Literaturübersicht empfehlen sich aktuelle Überblicks-

artikel zum Thema Anthropomorphismus (Złotowski et al.

2015; Rothstein et al. 2021; Roesler et al. 2022) und Zoo-

morphismus (Nanay 2021;Löffleretal.2020). Technomor-

phismus wird in den angeführten Veröffentlichungen häufig

als Gegenpol zu Anthropomorphismus und Zoomorphismus

konzeptualisiert und dementsprechend mitbetrachtet.

Grundlegend kann die Morphologie des Roboters als

sichtbare und erfahrbare Schnittstelle der Interaktion von

besonderer Bedeutung sein, da sie per Design an die Auf-

gabenanforderungen sowie an die Erwartungen und Fähig-

keiten des Menschen angepasst werden kann. In diesem Zu-

sammenhang stellt die Übertragung menschähnlicher Cha-

rakteristika auf Roboter eine vielversprechende und häufig

genutzte Gestaltungsstrategie dar. Es wird davon ausgegan-

Zeitschrift für Arbeitswissenschaft

gen, dass eine menschähnliche, also anthropomorphe, Ge-

staltung zu einer Aktivierung von Mensch-Mensch-Inter-

aktionsschemata führt und damit zu einer intuitiveren Zu-

sammenarbeit von Menschen mit Robotern beiträgt (Duffy

2003; Roesler et al. 2021). Das übergeordnete Ziel der Ro-

botergestaltung ist dabei zumeist die Förderung einer po-

sitiven Wahrnehmung in Bezug auf Intelligenz, Sicherheit

oder Attraktivität (Bartneck et al. 2009) und einer posi-

tiven Einstellung in Bezug auf Vertrauen, Akzeptanz und

Empathie (Bröhl et al. 2016; Hancock et al. 2011). Diese

können wiederum gewünschtes Verhalten, wie die Nutzung

von Robotern nach sich ziehen (Sanders et al. 2019). Darü-

ber hinaus kann die Gestaltung auch direkt Einfluss auf das

Verhalten des Menschen nehmen. So können Kommunika-

tion und Bewegungen dazu genutzt werden, gemeinsame

Handlungen von Menschen und Robotern besser zu koor-

dinieren (Clodic et al. 2017; Onnasch et al. 2023).

Beispiele für diesen Ansatz finden sich in verschie-

densten Anwendungsbereichen und Realisationsformen.

So kann z.B. die Implementierung eines Robotergesichts

Hinweise auf menschähnliche Interaktionsmöglichkeiten

geben, da über das Aussehen auch implizite Annahmen

zur Funktionalität transportiert werden (Goetz et al. 2003;

Onnasch und Roesler 2021). Augen suggerieren, dass der

Roboter sehen kann und die Darstellung eines Mundes oder

von Ohren weist auf verbale Kommunikationskanäle hin.

Neben dem reinen Aussehen des Roboters spielen auch die

Kommunikation, Bewegungen oder der Kontext, in dem ein

Roboter präsentiert wird, eine zentrale Rolle in der Wahr-

nehmung des Roboters (Goetz et al. 2003; Onnasch und

Roesler 2021). Studien in der industriellen MRI konnten

beispielsweise zeigen, dass eine anthropomorphe Bewe-

gungsgestaltung eines Roboterarms zu einer verbesserten

Nachvollziehbarkeit und Vorhersagbarkeit der Bewegun-

gen führen kann (Dragan und Srinivasa 2016; Kuz et al.

2013; Mayer et al. 2013). Ein anderes Beispiel illustriert,

dass im Servicebereich die Anwendung von verbalen Eti-

quette-Strategien in Bezug auf die Roboterkommunikation

einen positiven Effekt auf das Verhalten von Personen hatte

(Zhang et al. 2011; Zhu und Kaber 2012). Zudem zeigt

sich, dass bereits das reine Beschreiben von Robotern zu

unterschiedlichen Einstellungen und Verhalten gegenüber

dem Roboter führen kann (Darling 2015). So verbesser-

te sich z.B. die Interaktion mit sozialen Robotern, wenn

diese durch Namen und Geschichten personifiziert wurden

(Darling 2017; Westlund et al. 2016). Die angeführten

Studien zeigen, wie sehr der Kontext, in dem ein Robo-

ter verbal eingeführt wird, das sogenannte Framing, den

Menschen beeinflussen kann (Darling 2015). Der Kontext

geht allerdings noch über ein rein verbales Framing hi-

naus, da auch Interaktionsszenarien selbst aufgrund ihrer

benötigten Sozialität (Goetz et al. 2003) einen Einfluss

haben können. Die Dimension Kontext umfasst also die

Zuschreibung von Eigenschaften, die durch verbale und

visuelle Umgebungshinweise induziert wird.

Die angeführten Studien verdeutlichen, dass die Robo-

tergestaltung als multidimensionales Konstrukt (Aussehen,

Kommunikation, Bewegung, Kontext) in allen Bereichen,

in denen Roboter heute eingesetzt werden, eine bedeutende

Rolle spielt und differenzierte Effekte auf die Wahrneh-

mung als auch auf das Verhalten des Menschen hat.

Allerdings ist der Erfolg dieses Gestaltungsansatzes stark

abhängig von der Anwendungsdomäne (Goetz et al. 2003;

Roesler et al. 2021;2022) und der Art der Gestaltung (On-

nasch und Hildebrandt 2021; Onnasch und Roesler 2019;

Roesler et al. 2020). Ein Negativbeispiel stellt das anthro-

pomorphe Aussehen von Robotern in der industriellen Do-

mäne dar, da dieses zu geringerer wahrgenommener Zuver-

lässigkeit und sogar suboptimaler Aufmerksamkeitsvertei-

lung führen kann (Onnasch und Hildebrandt 2021;Roesler

et al. 2020). Hier ist ein technomorphes Aussehen einem an-

thropomorphen zumeist vorzuziehen. Schon frühe Studien

im Bereich Mensch-Roboter Interaktion zeigten, dass das

Roboteraussehen und -verhalten zu der jeweiligen Sozia-

lität und Ernsthaftigkeit der Aufgabe passen sollte (Goetz

et al. 2003). Im Zuge der sogenannten Matching-Hypothe-

se wurde Technomorphismus als Maschinenähnlichkeit als

Gegensatz zu Anthropomorphismus als eigene Kategorie

eingeführt. Spätere Studien ergänzten die Forschung zur

Matching-Hypothese dann durch zoomorphe Roboter, also

tierähnliche Gestaltungsansätze (Li et al. 2010). Während

technomorphe Gestaltungsansätze oftmals im Industriebe-

reich erfolgreich implementiert werden, finden zoomorphe

Merkmale eher im sozialen Bereich Verwendung. Beson-

ders in der Kind-Roboter-Interaktion zeigt sich zum Bei-

spiel, dass zoomorphe Gestaltungsansätze Lernerfolg und

Spaß am Lernen steigern können (Gordon et al. 2016).

Zusammenfassend lässt sich herausstellen, dass die Ge-

staltung von Robotern in Bezug auf Aussehen, Kommuni-

kation, Bewegung und Kontext in allen Domänen der MRI

eine hohe Bedeutung aufweist (Goetz et al. 2003;Roesler

et al. 2021;2022). Um generalisierbare Gestaltungsempfeh-

lungen geben zu können, ist es daher nicht nur von zentraler

Bedeutung, die Auswirkungen von Gestaltung zu untersu-

chen, sondern auch die Gestaltung selbst erfassbar zu ma-

chen. Nur wenn man die subjektive Wahrnehmung der je-

weiligen Morphologie eines Roboters und der ihr zugrunde-

liegenden Gestaltungsmerkmale (Aussehen, Kommunikati-

on, Bewegung und Kontext) differenziert erfassen kann, ist

es möglich die Effekte dieser Morphologie auf die MRI

abzuschätzen.

Zeitschrift für Arbeitswissenschaft

1.2 Bisherige Erfassungsmethoden der

Morphologie

Eine Erfassung unterschiedlicher Anthropomorphismusgra-

de wurde bisher vor allem in Zusammenhang mit Arbei-

ten zum Uncanny Valley thematisiert (Ho und MacDorman

2010;Maraetal.2022;Morietal.2012). Im Rahmen die-

ses postulierten Zusammenhangs wird angenommen, dass

ab einem bestimmten Punkt anthropomorphes Aussehen

zu unangenehmen Gefühlen oder einer Verletzung von Er-

wartungen führt. Aus der Forschungshistorie des Uncanny

Valley ergab sich die bisher am häufigsten genutzte Me-

thode zur Differenzierung verschiedener Grade der Robo-

termorphologie die Anthropomorphismus-Skala aus dem

Godspeed Fragebogen (Bartneck et al. 2009; Weiss und

Bartneck 2015). Die Skala umfasst semantische Differentia-

le (z.B. unecht –natürlich, künstlich –realistisch), die auf

fünf Stufen bewertet werden können (Bartneck et al. 2009).

Das Ziel des Godspeed Ι: Anthropomorphismus (GΙA) ist

es, den Vergleich unterschiedlicher Morphologien von Ro-

botern zu ermöglichen (Bartneck et al. 2009). Inhaltlich

beziehen sich diese Differentiale primär auf die Wahrneh-

mung der äußeren Gestalt, während andere Aspekte wie

z.B. Kommunikation und der Kontext nicht adressiert wer-

den. Damit können sich Vergleiche auf Basis dieses Fra-

gebogeninstruments nicht auf alle Gestaltungsdimensionen

der Morphologie eines Roboters beziehen. Darüber hinaus

weisen aktuelle Studien darauf hin, dass der eindimensio-

nale Ansatz des GΙA nicht geeignet ist kleinere Unterschie-

de innerhalb einzelner Gestaltungsebenen abzubilden. So

konnte der GΙA keine Unterschiede für einen anthropo-

morph oder technomorph beschriebenen humanoiden Ro-

boter aufzeigen (Onnasch und Roesler 2019) oder zwischen

einem industriellen Roboter mit oder ohne Gesicht differen-

zieren (Onnasch und Hildebrandt 2021; Roesler et al. 2020).

In beiden Beispielen zeigten sich allerdings Unterschie-

de in der menschlichen Wahrnehmung und dem Verhalten

gegenüber den Robotern, so dass hier von einer wahrge-

nommenen Unterschiedlichkeit ausgegangen werden kann

und damit von einer möglichen mangelnden Sensitivität

des GΙA. Ähnliche Resultate zeigten sich für eine revidier-

te Version des Godspeed Ι(RGΙA) (Ho und MacDorman

2010); so konnten auch mit diesem Messinstrument kei-

ne Unterschiede in der erwähnten Manipulation des Kon-

texts via Framing (Onnasch und Roesler 2019) oder Ausse-

hens (Onnasch und Hildebrandt 2021; Roesler et al. 2020)

durch die Skala wahrgenommene Menschenähnlichkeit auf-

gezeigt werden. Dies liegt auch darin begründet, dass die

Extrema der semantischen Differenziale der beiden meist

genutzten Fragbögen (GΙA, Bartneck et al. 2009;RGΙA, Ho

und MacDorman 2010) oft Eigenschaften nennen, die ein-

zigartig für lebende Entitäten sind (z.B. hat kein Bewusst-

sein –hat ein Bewusstsein). Diese extremen Unterschiede

und die eher grobe Einteilung in 5 Stufen bieten daher nicht

genug Raum, um kleinere Unterschiede der Wahrnehmung

abzubilden.

Andere Fragebögen beziehen sich vor allem auf die Zu-

schreibung menschlicher Eigenschaften, wie mentale Kapa-

zitäten und Prozesse (Ruijten et al. 2019) oder die grund-

legende menschliche Tendenz unbelebte Entitäten zu an-

thropomorphisieren (Waytz et al. 2010). Die Erfassung der

allgemeinen Tendenz zu anthropomorphisieren ist jedoch

nicht als Methode geeignet, um die wahrgenommene Mor-

phologie von Robotern zu untersuchen.

Phillips und Kolleg:innen (2018) bieten einen nicht

fragebogenbasierten Ansatz zur systematischen Erfassung

des wahrgenommenen Anthropomorphismus hinsichtlich

des Aussehens. Dafür wurde das Aussehen von Robotern

auf Bildern analysiert. Die Analyse beinhaltet die Einord-

nung von Robotereigenschaften wie Körperform, Gesicht

und Oberflächentextur und liefert damit eine differenzierte

Bewertung des Aussehens von Robotern. Aspekte wie Be-

wegung, Kommunikation und Kontext werden allerdings

nicht abgebildet.

1.3 Notwendigkeit neuer Methoden zur Erfassung

der Morphologie

Neben den bereits aufgeführten Kritikpunkten aktueller

Erfassungsmethoden ist die wohl größte Forschungslücke,

dass sich die Hauptzahl der bestehenden Ansätze aus-

schließlich auf die anthropomorphe Gestaltung von Robo-

tern konzentriert (Bartneck et al. 2009; Ho und MacDorman

2010; Phillips et al. 2018). Die Erfassung von zoomorphen

Gestaltungsmerkmalen wird nur indirekt vorgenommen, da

häufig einfach die beschriebenen Fragebögen zu Anthro-

pomorphismus verwendet werden (Löffler et al. 2020). Die

dritte Gestaltungsmöglichkeit, ein technomorphes Design,

wird stets als Gegenteil zu Anthropomorphismus oder Zoo-

morphismus interpretiert, z.B. im GΙA. Während dies für

einige Items auch sinnvoll erscheint (z.B. wie ein Mensch

–wieeineMaschine), kann diese implizite Schlussfolge-

rung bei anderen Items des GΙA allerdings angezweifelt

werden (z.B. bewegt sich steif –bewegt sich flüssig).

Ziel dieser Arbeit ist daher die Entwicklung eines Sets

von drei Fragebögen (einen für jede Variante der Morpho-

logie), welche die unterschiedlichen Ausprägungen der je-

weiligen Morphologien auf Basis von relevanten Dimen-

sionen (Aussehen, Kommunikation, Bewegung und Kon-

text) erfassen. Die theoretische Basis für die Unterschei-

dung der verschiedenen Dimensionen liefert dabei die Ta-

xonomie der MRI von Onnasch und Roesler (2021), die in

Bezug auf die jeweilige Morphologie von Robotern, diese

Dimensionen unterscheidet. Diese werden jeweils bezüg-

lich ihres Grades an anthropomorphen, zoomorphen und

technomorphen Charakteristika eingeschätzt. Der gewählte

Zeitschrift für Arbeitswissenschaft

Ansatz der Entwicklung mehrerer Fragebögen zur Robo-

termorphologie (RoMo) mit einzelnen Fragebögen zu An-

thropomorphismus (RoMo-A), Zoomorphismus (RoMo-Z)

und Technomorphismus (RoMo-T) bietet dabei nicht nur

die Möglichkeit die Gestaltung über das Aussehen hinaus

zu erfassen, sondern auch für jede Morphologie spezifisch

einzelne Skalen auszuwählen, die dem Untersuchungsziel

entsprechen, und andere Skalen wegzulassen, die in die-

sem Kontext irrelevant sind. Soll beispielsweise nur die

Wirkung eines tierähnlichen Aussehens von Robotern auf

die menschliche Wahrnehmung untersucht werden (Löffler

et al. 2020), reicht es aus, nur diesen Teilaspekt zu erfas-

sen (Skala Aussehen des RoMo-Z) um die Stimuli bezüg-

lich des zoomorphen Aussehens zu unterscheiden. Mithilfe

des Fragebogen-Sets soll damit ermöglicht werden, öko-

nomisch und sensitiv die Morphologie von Robotern zu

erfassen.

Um ein solches Set an Fragebögen zu entwickeln, wur-

den zwei Online-Studien durchgeführt. In der ersten Studie

wurde das Set an Fragebögen entwickelt. In der zweiten

Studie wurde eine Validierung des Fragebogen-Sets mit ei-

ner neuen Stichprobe durchgeführt wurde.

2 Studie 1: Fragebogenentwicklung

Um die drei möglichen morphologischen Varianten von Ro-

botern zu erfassen (anthropomorph vs. zoomorph vs. tech-

nomorph), wurden Aussehen, Kommunikation, Bewegung

und Kontext als a priori angenommene Dimensionen ge-

nutzt. Auf dieser Grundlage wurden Items gesammelt und

generiert, die möglichst breit die einzelnen Dimensionen

abdecken.

2.1 Generierung der Items

Die Itemgenerierung basierte auf Charakteristiken, die we-

sentlich für Menschen, Tiere und Technologien in Bezug

auf die vier Dimensionen sind. Eine gewisse semantische

Redundanz war für die Ausgangsitems intendiert, da die

Merkmale eine möglichst umfassende Ausgangslage für die

folgende Itemreduktion bieten sollten. Die initiale Samm-

lung der Charakteristika umfasste 17 Aussehensmerkmale

(z.B. Kopf und Proportionen), 22 Kommunikationsmerk-

male (z.B. Sprache und Geräusche), 17 Bewegungsmerk-

male (z.B. Geschwindigkeit und Art der Annäherung) und

20 Kontextmerkmale (z.B. Name und Einsatzgebiet). Wich-

tig ist, dass Merkmale gesucht wurden, hinsichtlich derer

sich die Roboter über die Morphologien hinweg vergleichen

lassen.

In einem kurzen Pretest wurden die gesammelten Merk-

male auf ihr semantisches Verständnis und die angenom-

mene Zuordnung zu den jeweiligen Dimensionen mit vier

Personen überprüft. Basierend auf dem Pretest und der da-

zugehörigen Diskussion der Autor:innen wurden fünf Items

exkludiert, eines umsortiert und eines umformuliert. Die

Schwelle für die Entfernung von Items wurde konservativ

gehandhabt, da alle verbleibenden Merkmale in einer aus-

führlicheren Erhebung untersucht wurden.

Im nächsten Schritt wurde die Liste der gesammelten

71 Merkmale zu vollwertigen, in Frageform gestalteten

Items entwickelt. Diese zielten darauf ab, zu erfassen,

inwieweit ein Robotermerkmal als menschähnlich, tier-

ähnlich und technisch wahrgenommen wird. Dazu wurde

der Itemstamm ergänzt: Wie menschenähnlich/tierähnlich/

technisch ist das jeweilige Merkmal des Roboters? Jedes

Merkmal führte daher zu drei separaten Fragen. Das Ant-

wortformat ist als kontinuierliche Prozentskala konzipiert,

die eine Bewertung von 0%, d.h., dass zu dem jeweiligen

Aspekt überhaupt kein Ausmaß wahrgenommen wird (ver-

ankert mit gar nicht), bis 100%, d.h., dass das spezifische

Ausmaß zu dem jeweiligen Aspekt vollständig wahrge-

nommen wird (verankert mit voll und ganz), ermöglicht.

Diese Items wurden im Rahmen einer ersten Online-Studie

untersucht.

2.2 Methode

2.2.1 Versuchspersonen

Insgesamt füllten 162 Versuchspersonen das Set an Frage-

bögen vollständig aus. Die Teilnehmer:innen wurden auf

verschiedene Weisen rekrutiert. Die Studie wurde auf den

entsprechenden Internetportalen der Technischen Universi-

tät Berlin (TU) und der Humboldt-Universität zu Berlin

(HU) beworben. Darüber hinaus wurden persönliche Kon-

takte gebeten, an der Studie teilzunehmen und weitere Be-

kannte über die Studie zu informieren. Außerdem wurden

Hinweise zur Studie auf verschiedenen sozialen Medien-

plattformen verbreitet. Für Studierende der beiden genann-

ten Universitäten wurde die Teilnahme mit einer Versuchs-

personenstunde vergütet. An beiden Universitäten benöti-

gen Studierende diese Stunden für ihren Studienabschluss

in Psychologie (HU) bzw. Human Factors (TU). Für alle

anderen Teilnehmer:innen wurde betont, dass Sie einen be-

deutsamen Beitrag zur Wissenschaft leisten und es wurde

keine finanzielle Entschädigung angeboten. Die Teilnahme

erfolgte auf freiwilliger Basis und konnte jederzeit abge-

brochen werden.

Ein N= 162 wurde angestrebt, da so ein ausbalancier-

tes Design umgesetzt werden konnte (siehe Versuchsma-

terialen). Insgesamt umfasste die Stichprobe 63% weib-

liche, 36,4% männliche und 0,6% non-binäre Personen.

Die Stichprobe hatte ein Durchschnittsalter von M= 32,94

(SD= 13,95). Von den 162 Teilnehmer:innen gab die Mehr-

heit (71%) an, überhaupt keine Erfahrung (64) oder kaum

Zeitschrift für Arbeitswissenschaft

Erfahrung (51) im Umgang mit Robotern zu haben. Circa

ein Viertel (24,7%) der Proband:innen gab an, ein wenig

Erfahrung zu haben, und 4,3% gaben an, sehr viel Erfah-

rung im Umgang mit Robotern zu haben.

2.2.2 Versuchsmaterialien

Um ein Gesamtbild eines Roboters zu erzeugen, das alle

Dimensionen umfasste (Aussehen, Kommunikation, Bewe-

gung und Kontext), bestand das Stimulusmaterial aus meh-

reren Modulen.

Das erste Modul war ein Bild des jeweiligen Roboters

in der jeweiligen Umgebung, um Aussehen und Kontext

zu illustrieren (Abb. 1). Für die Dimension Aussehen wur-

den drei Roboter aus der ABOT-Datenbank (Phillips et al.

2018) verwendet und anschließend modifiziert, indem sie in

verschiedene Stockfotos eingefügt wurden (abgerufen von

Pixabay). Der Roboter Yumi wurde ausgewählt, um ein

Abb. 1 Bildmodul der Online-Studie mit zoomorphem (linke Spalte), technomorphem (mittlere Spalte) und anthropomorphem (rechte Spalte)

Roboter im Kontext eines Kindergartens (erste Zeile), Arbeitsplatzes (zweite Zeile) und Wohnzimmers (dritte Zeile). (Die farbigen und hochauf-

gelösten Bildmodule können via https://osf.io/srv8c/ abgerufen werden)

Fig. 1 Image module of the online study with zoomorphic (left column), technomorphic (middle column) and anthropomorphic (right column)

robot in the context of a kindergarten (first line), workplace (second line) and living room (third line). (The color and high-resolution image

modules can be accessed via https://osf.io/srv8c/)

menschenähnliches Aussehen zu repräsentieren, während

Keecker für eine technische Darstellung verwendet wurde.

Schließlich diente iCat als tierähnlicher Roboter. Da die

Oberfläche von iCat gelb ist und damit in starkem visuel-

lem Kontrast zu den beiden anderen Robotern (beide weiß)

stand, wurde iCat digital weiß eingefärbt. Um sicherzustel-

len, dass der Fragebogen auch geringfügige Unterschiede

im Erscheinungsbild der Roboter erfassen kann, haben wir

Roboter ausgewählt, die bis auf wenige äußerliche Merk-

male (z.B. tierähnliche Ohren) so ähnlich wie möglich sind.

Dies bedeutet, dass sie in Bezug auf Größe und Farbe nahe-

zu identisch sind, um eine möglichst homogene Ausgangs-

basis zu schaffen. Dies ermöglichte es uns, gezielt die spe-

zifischen äußerlichen Merkmale zu untersuchen, die bereits

bei geringer Ausprägung mit der jeweiligen Morphologie

assoziiert sind.

Jedes Roboterbild wurde zusätzlich in drei verschiedene

Hintergrundbilder eingefügt, die die Kontextdimension il-

Zeitschrift für Arbeitswissenschaft

Tab. 1 Textmodule für die drei unterschiedlichen Morphologien (Anthropomorphismus, Zoomorphismus und Technomorphismus) und Dimensio-

nen (Aussehen, Kommunikation, Bewegung, Kontext)

Table 1 Text modules for the three different morphologies (anthropomorphism, zoomorphism and technomorphism) and dimensions (appearance,

communication, movement, context)

Morphologie Dimension Textmodul

Anthropo-

morph

Kontext Sasha ist Ihre neue rechte Hand im Haus. Sasha organisiert all Ihre Aufgaben und erinnert sie frühzeitig an Ihre

Termine. Wenn ein Termin ansteht, geht Sasha aktiv auf Sie zu. Ansonsten ist Sasha mit der Planung und Organi-

sation Ihres Tages beschäftigt ist

Anthropo-

morph

Bewegung Der Roboter bewegt sich, um mit Ihnen Augenkontakt aufzunehmen. Der Roboter bewegt sich zielgerichtet in

Schrittgeschwindigkeit auf Sie zu und stoppt einen Meter vor Ihnen langsam ab und wartet. Nähern Sie sich dem

Roboter an, kommt er Ihnen langsam entgegen und bleibt Ihnen dabei zugewandt. Wenn Sie dem Roboter sehr

schnell entgegenkommen, stoppt dieser abrupt seine Bewegung

Anthropo-

morph

Kommuni-

kation

Der Roboter kommuniziert mit natürlicher Sprache und begrüßt Sie mit den Worten: „Guten Tag, wie geht es

Ihnen?“ Dabei streckt der Roboter seine Hand aus und kommt Ihnen ein Stück entgegen. Wenn Sie auf den Ro-

boter zugehen, richtet dieser seinen Kopf in Ihre Richtung

Zoomorph Kontext Fluffy ist Ihr neuer bester Freund. Fluffy wird vor allem in Kindergärten eingesetzt, um dort den Kindern Ge-

sellschaft zu leisten und mit ihnen zu spielen. Fluffy weicht den Menschen nicht von der Seite und reagiert auf

Sie, wenn es angesprochen wird. Fluffy macht lautstark auf sich aufmerksam, wenn es einem Menschen in seiner

Umgebung schlechter geht

Zoomorph Bewegung Der Roboter bewegt sich, um Ihre Aufmerksamkeit zu erlangen. Nähern Sie sich dem Roboter an, kommt Ihnen

dieser langsam entgegen bis er Sie mit seinem ganzen Körper vorsichtig berührt. Dort verweilt der Roboter kurz

und bewegt sich in kurzer Distanz mit Ihnen mit. Wenn sie dem Roboter sehr schnell entgegenkommen, bewegt

sich der Roboter ruckartig nach hinten, verweilt dort kurz und bewegt sich anschließend wieder auf Sie zu

Zoomorph Kommuni-

kation

Der Roboter kommuniziert primär durch Geräusche mit Ihnen. Durch die Betonung der Laute und kleineren

Berührungen versucht der Roboter Sie zu begrüßen. Wenn Sie dem Roboter entgegenkommen, wackelt dieser

mit dem Kopf und wendet sich Ihnen zu

Technomorph Kontext Dieser Roboter der Firma XY dient der Analyse von Bewegungsprofilen am Arbeitsplatz. Mit Hilfe seiner Sen-

soren scannt der Roboter seine Umgebung und führt eine Analyse der Daten aus, welche anschließend automa-

tisch an die Computer der Mitarbeitenden weitergeleitet werden

Technomorph Bewegung Der Roboter bewegt sich, um eine optimale Erfassung der Umgebung zu gewährleisten. Der Roboter bewegt

sich langsam in einer kontinuierlichen Geschwindigkeit auf Sie zu und stoppt in größerer Distanz vor Ihnen

ab. Anschließend dreht sich der Roboter um die eigene Achse, bis er Ihnen wieder zugewandt positioniert ist.

Bewegen Sie sich dem Roboter entgegen, verbleibt dieser in seiner vorherigen Position

Technomorph Kommuni-

kation

Der Roboter kommuniziert via Text auf dem Display. Auf dem Display erhalten Sie eine Nachricht zur Begrü-

ßung. Der Roboter bleibt ansonsten regungslos. Wenn Sie sich dem Roboter nähern, leuchtet dieser auf und kom-

muniziert weiterhin via Text mit Ihnen

lustrierten: Ein Bild zeigt einen Kindergarten (zoomorpher

Kontext), ein anderes ein Büro (technomorpher Kontext)

und ein drittes ein Wohnzimmer (anthropomorpher Kon-

text). Der Kindergarten wurde gewählt, da besonders in

dieser Altersgruppe viel mit Tieren und zoomorphen Ob-

jekten, wie Spielzeugen, interagiert wird.

Das Textmodul Kontext wurde an das jeweilige Bildmo-

dul gekoppelt präsentiert (Tab. 1). Ergänzt wurden diese

dann durch jeweils ein Textmodul Bewegung und ein Text-

modul Kommunikation (Tab. 1).

Durch die Kombination von neun möglichen Bildern mit

integriertem Kontexttext, drei möglichen Kommunikations-

texten und drei möglichen Bewegungstexten ergaben sich

insgesamt 81 mögliche Stimuluskombinationen. Pro Ver-

suchsperson wurde immer nur eine Kombination präsentiert

(z.B. anthropomorphes Aussehen x zoomorphen Kontext x

anthropomorphe Kommunikation x technomorpher Bewe-

gung).

2.2.3 Erhobene Variablen

Als Kontrollvariable wurde erhoben, ob Personen Deutsch

auf Muttersprachniveau sprechen. Außerdem wurden für

die Stichprobenbeschreibung die soziodemografischen Va-

riablen Alter und Geschlecht erfasst.

Die wahrgenommene Robotermorphologie wurde mit je-

weils 71 Items für Anthropomorphismus, Zoomorphismus

und Technomorphismus erhoben.

Die Fragen umfassten 71 Merkmale zu den Dimensionen

Aussehen, Kommunikation, Bewegung und Kontext, die zu-

sammen mit den 3 Antwortstämmen (menschähnlich, tier-

ähnlich, technisch) präsentiert wurden. Diese Fragen wur-

den auf einer Skala von 0–100% bewertet.

2.2.4 Ablauf

Die Versuchspersonen führten die Online-Studie in Ihrem

eigenen Webbrowser an einem ruhigen Ort ihrer Wahl

durch. Nachdem sie ihr Einverständnis erklärt hatten, wur-

Zeitschrift für Arbeitswissenschaft

den soziodemografische Informationen abgefragt. Danach

starteten allgemeine Instruktionen zum Studienablauf in

denen erläutert wurde, dass im Folgenden ein Bild eines

Roboters mit dazugehörigem Text präsentiert wird. Die

Aufgabe bestand darin das Bild und den dazugehörigen

Text aufmerksam zu rezipieren und unterschiedliche Fra-

gen dazu zu beantworten. Jede Versuchsperson bewertete

nur eine aller möglichen Stimuluskombinationen. Die Bild-

Textkombination verblieb statisch zentriert am oberen Rand

des Browsers und die Fragen erschienen in Blöcken, durch

die die Person scrollen konnte. Ein Block umfasste jeweils

eines der 71 Merkmale mit den drei Antwortstämmen

(menschähnlich, tierähnlich, technisch). Die 71 Merkmale

wurden in zufälliger Reihenfolge präsentiert. Die Studie

endete nach der Beantwortung aller Fragen.

2.3 Analyse

Alle Analysen wurden einzeln für die Items eines Fragebo-

gens (RoMo-A, RoMo-Z, RoMo-T) durchgeführt. Zunächst

wurde die Korrelation eines Items mit dem Gesamtscore

der jeweiligen Skala (die Trennschärfe) berechnet, da die-

se charakterisiert, ob alle Items inhaltlich dasselbe Merk-

mal messen. Dabei wurden idealerweise Werte >0,5 ange-

strebt. Zusätzlich wurde als Maß für die interne Konsis-

tenz der Skalen jeweils Cronbach’s αberechnet und Items,

die bei Entfernung zu einer Verbesserung des Cronbach’s α

führten, wurden entfernt.

Im nächsten Schritt wurde die Inter-Item-Korrelation pro

Skala betrachtet. Zum einen sollte eine hohe Korrelation

zwischen den Items einer Skala gegeben sein damit das glei-

che Konstrukt gemessen wird (Werte <0,3). Zum anderen

sollten im Sinne der angestrebten Itemreduktion, Items mit

starken Korrelationen (Werte >0,7), wenn zusätzlich auch

inhaltliche Redundanz zugrunde lag, entfernt werden. Die

inhaltliche Redundanz wurde durch zwei der Autor:innen

diskutiert und entschieden.

Daraufhin wurde mit den verbliebenen Items eine Fakto-

renanalyse durchgeführt. Vor der Durchführung der Fakto-

renanalyse wurde die Angemessenheit der Stichprobe und

Daten für das Verfahren mittels Kaiser-Meyer-Olkin Kri-

terium (KMO) und Bartlett-Test geprüft. Die KMO Werte

sollten mindestens >0,6 sein und der Bartlett-Test signifi-

kant (Tabachnick et al. 2007). Die exploratorische Fakto-

renanalyse wurde dann mit den zuvor reduzierten Items für

den jeweiligen Fragebogen zu Anthropomorphismus, Zoo-

morphismus und Technomorphismus durchgeführt.

Die exploratorische Faktorenanalyse wurde gewählt, um

die Faktorenstruktur zu untersuchen und die Items auf eine

ökonomische Anzahl zu reduzieren. Da theoriebasiertkei-

ne Korrelation zwischen den Komponenten angenommen

wurde, wurde eine orthogonale Rotation (Varimax) gewählt.

Die Anzahl der Faktoren wurde auf Basis von theoretischen

Überlegungen, Screeplot und Eigenwerten festgelegt (Cat-

tell 1966;Kaiser1960). Dabei wurden die Items mit den

höchsten Kommunalitäten gewählt. Mit den resultierenden

Items pro Skala wurde die finale Faktorenanalyse des je-

weiligen Fragebogens durchgeführt. Die Tab. 2,3und 4

zeigen das Ergebnis der finalen Faktorenanalyse für die re-

duzierten Items des RoMo-A, RoMo-Z und RoMo-T mit

allen Faktorladungen über 0,40 um die Übersichtlichkeit zu

erhöhen (Stevens 2012). Um einen ökonomischen Frage-

bogen zu kreieren, wurden die drei Items mit der höchsten

Ladung für die finalen Fragebogenversionen ausgewählt.

Es wird empfohlen, dass in Fragebögen nicht weniger als

drei Items pro Faktor zu verwenden sind, daher wurde eine

angestrebte Itemzahl von drei pro Faktor festgelegt (Rau-

benheimer 2004).

Im letzten Schritt wurden die Fragebögen auf ihre Sen-

sitivität untersucht. Dafür wurden die Ratings der Stimu-

li (z.B. Beschreibung einer anthropomorphen Kommuni-

kation) miteinander auf der jeweiligen Skala (z.B. Skala

Kommunikation des RoMo-A) verglichen. Pro Fragebo-

gen wurde je Skala eine einfaktorielle ANOVA mit dem

zwischen-Subjekt Faktor Ausprägung (anthropomorph vs.

zoomorph vs. technomorph) durchgeführt. Bei einem si-

gnifikanten Haupteffekt des Faktors wurden Bonferroni ad-

justierte post-hoc-Tests durchgeführt, um zu untersuchen,

welche Ausprägungen die jeweilige Skala signifikant un-

terschiedlich abbildet.

2.4 Ergebnisse

2.4.1 Anthropomorphismus: Der RoMo-A

Die Itemreduktion und Skalenanalyse resultierten in

50 Items, die in die erste Faktorenanalyse eingingen. So-

wohl der signifikante Bartlett’s Test (Χ2(1225)= 6563,33,

p<0,001) als auch das KMO-Kriterium (KMO= 0,94) zeig-

ten eine geeignete Passung der Stichprobe und der Daten.

Auch wenn die Eigenwerte eine sechs-faktorielle Lösung

ergaben, konnte eine vier-faktorielle Lösung durch den

Screeplot und die zugrundeliegende Theorie gerechtfertigt

werden. Die erste Faktorenanalyse führte zur Auswahl der

drei bestgeeigneten Items pro Skala. Die erneute Faktoren-

analyse der 12 Items des RoMo-A sind in Tab. 2dargestellt.

Der erste Faktor schließt die Items der Dimension Kom-

munikation ein und konnte 17% der Varianz aufklären.

Der zweite Faktor umfasst die Items der Dimension Aus-

sehen und konnte 19% der Varianz aufklären. Sowohl der

dritte (Bewegung) als auch vierte (Kontext) Faktor erklär-

ten jeweils 16% der Varianz. Damit konnte der RoMo-A

insgesamt 69% der Varianz aufklären.

Zudem zeigte der Fragebogen eine gute interne Konsis-

tenz (α= 0,89). Auch die einzelnen Dimensionen Aussehen

(α= 0,90), Bewegung (α= 0,84), Kommunikation (α= 0,88)

Zeitschrift für Arbeitswissenschaft

Tab. 2 Items und Faktorenladungen des RoMo-A, Studie 1

Table 2 Items and factor loadings of the RoMo-A, study 1

Faktoren

Items 1234

Au1: Wie menschähnlich ist die

äußerliche Gestalt des Roboters?

–0,84–

Au2: Wie menschähnlich ist die

Hülle des Roboters?

–0,77–

Au3: Wie menschähnlich ist die

Ästhetik des Roboters

–0,85–

Be1: Wie menschähnlich ist die

Geschwindigkeit des Roboters?

–0,70–

Be2: Wie menschähnlich ist der

Bewegungsfluss des Roboters?

–0,78–

Be3: Wie menschähnlich ist die

Art der Annäherung des Robo-

ters?

–0,68–

Km1: Wie menschähnlich ist der

Sprachrhythmus des Roboters?

0,88 –

Km2: Wie menschähnlich ist

der sprachliche Ausdruck des

Roboters?

0,65 –

Km3: Wie menschähnlich ist die

Intonation des Roboters?

0,72 –

Kx1: Wie menschähnlich ist die

Aufgabe des Roboters?

–0,84

Kx2: Wie menschähnlich sind die

Funktionen des Roboters?

–0,64

Kx3: Wie menschähnlich ist das

Einsatzgebiet des Roboters?

–0,71

und Kontext (α=0,81) zeigten sehr gute bis gute interne

Konsistenzen.

Die Ergebnisse der einzelnen Skalen des RoMo-A in

Bezug zu den jeweiligen Stimuli ist in Abb. 2grafisch

dargestellt. Die Analyse der Skala Aussehen zeigte einen

signifikanten Haupteffekt (F(159,2)= 16,51, p< 0,001).

Dabei zeigten die post-hoc-Tests, dass der anthropomor-

phe Roboter Yumi signifikant anthropomorph aussehen-

der wahrgenommen wurde als der zoomorphe Roboter

iCat (p= 0,008) und der technomorphe Roboter Keecker

(p< 0,001). Darüber hinaus wurde der zoomorphe Roboter

signifikant anthropomorpher im Aussehen wahrgenom-

men als der technomorphe Roboter (p= 0,021). Auch für

die Skala Kommunikation zeigte sich ein signifikanter

Haupteffekt (F(159,2)=26,96, p< 0,001). Die anthropo-

morphe Beschreibung der Kommunikation wurde als signi-

fikant anthropomorpher wahrgenommen als die zoomorphe

(p< 0,001) und technomorphe (p< 0,001) Beschreibung

der Kommunikation. Ein vergleichbares Bild zeigt sich

auch für die Skala Bewegung (F(159,2)=12,52, p< 0,001).

Anthropomorph beschriebene Bewegungen wurden als sig-

nifikant anthropomorphere Bewegungen wahrgenommen

als zoomorph (p= 0,001) und technomorph (p< 0,001)

beschriebene Bewegungen. Für die Skala Kontext zeigte

sich auch ein signifikanter Haupteffekt (F(159,2)=11,75,

p< 0,001). Allerdings zeigten die post-hoc-Tests, dass nur

der technomorph präsentierte Kontext als signifikant weni-

ger anthropomorph wahrgenommen wurde als der anthro-

pomorph (p< 0,001) und zoomorph (p< 0,001) präsentierte

Kontext.

2.4.2 Zoomorphismus: Der RoMo-Z

Die Itemreduktion und Skalenanalyse resultierten in

45 Items, die in die erste Faktorenanalyse eingingen. Auch

hier zeigten der signifikante Bartlett’s Test (Χ2(990)=

6174,84, p< 0,001) und das KMO-Kriterium (KMO= 0,94)

eine geeignete Passung der Stichprobe und der Daten. Die

Eigenwerte ergaben eine fünf-faktorielle Lösung allerdings

konnte auch hier eine vier-faktorielle Lösung durch den

Screeplot und die zugrundeliegende Theorie gerechtfertigt

werden. Erneut wurden durch die erste Faktorenanalyse die

drei Items ausgewählt, die jeweils am stärksten auf dem

jeweiligen Faktor luden. Die Ergebnisse der zweiten Ana-

lyse sind in Tab. 3dargestellt. Der erste Faktor umfasst die

Items der Dimension Aussehen und konnte 20% der Vari-

anz aufklären. Der zweite Faktor beinhaltet die Items der

Dimension Kommunikation und konnte 18% der Varianz

aufklären. Der dritte Faktor umfasst die Items der Dimen-

Tab. 3 Items und Faktorenladungen des RoMo-Z, Studie 1

Table 3 Items and factor loadings of the RoMo-Z, study 1

Faktoren

Items 1234

Au1: Wie tierähnlich ist die äußer-

liche Gestalt des Roboters?

–0,85–

Au2: Wie tierähnlich ist die Fassa-

de des Roboters?

–0,82–

Au3: Wie tierähnlich ist die Ästhe-

tik des Roboters?

–0,84–

Be1: Wie tierähnlich ist die Art der

Annäherung des Roboters?

–0,72

Be2: Wie tierähnlich ist die Art

des Roboters, Menschen oder

Gegenstände zu berühren?

–0,74

Be3: Wie tierähnlich ist die Re-

flexbewegung des Roboters?

–0,55

Km1: Wie tierähnlich sind die

Geräusche des Roboters?

0,72 –

Km2: Wie tierähnlich ist die

Stimmfärbung des Roboters?

0,81 –

Km3: Wie tierähnlich sind die

Äußerungen des Roboters?

0,76 –

Kx1: Wie tierähnlich ist die Auf-

gabe des Roboters?

–0,76–

Kx2: Wie tierähnlich sind die

Funktionen des Roboters?

–0,75–

Kx3: Wie tierähnlich ist das Kön-

nen des Roboters?

–0,64–

Zeitschrift für Arbeitswissenschaft

sion Kontext und erklärte 16% der Varianz. Die Items der

Dimension Bewegung lagern auf dem vierten Faktor und

klärten 15% der Varianz auf. Damit konnte die Analyse

68% der Gesamtvarianz aufklären.

Insgesamt zeigte der RoMo-Z eine gute interne Konsis-

tenz (α= 0,89). Auch die einzelnen Dimensionen Aussehen

(α= 0,91), Bewegung (α= 0,89), Kommunikation (α= 0,79)

und Kontext (α= 0,83) zeigten akzeptable bis sehr gute in-

terne Konsistenzen.

Die Ergebnisse der einzelnen Skalen des RoMo-Z in

Bezug zu den jeweiligen Stimuli ist in Abb. 3grafisch

dargestellt. Die Analyse der Skala Aussehen zeigte einen

signifikanten Haupteffekt (F(159,2)=16,08, p< 0,001). Der

zoomorpher Roboter iCat wurde als signifikant zoomorph

aussehender wahrgenommen als der technomorphe Robo-

ter Keecker (p< 0,001) und der anthropomorphe Roboter

Yumi (p< 0,001). Ein ähnliches Ergebnis zeigte sich auch

für die Skala Kommunikation (F(159,2)=21,61, p< 0,001).

Kommunikation, die als zoomorph beschrieben wurde,

wurde auch signifikant zoomorpher wahrgenommen als

technomorph (p< 0,001) oder anthropomorph (p< 0,001)

beschriebene Kommunikation. Auch für die Skala Bewe-

gung konnte ein signifikanter Haupteffekt gefunden werden

(F(159,2)= 16,59, p< 0,001). Die post-hoc-Tests zeigten,

dass zoomorph beschriebene Bewegungen auch signifi-

kant zoomorpher wahrgenommen wurde als technomorph

(p< 0,001) oder anthropomorph (p= 0,005) beschriebene

Bewegungen. Außerdem wurden anthropomorph beschrie-

bene Bewegungen zoomorpher wahrgenommen als techno-

morph (p= 0,033) beschriebene Bewegungen. Auch für die

vierte Skala Kontext zeigte sich ein signifikanter Hauptef-

fekt (F(159,2)= 37,82, p< 0,001). Wie bei allen vorherigen

Skalen wurde auch der Kontext signifikant zoomorpher

Abb. 2 Mittelwerte und Standardfehler separat für die präsentierten Stimuli (technomorph, anthropomorph, zoomorph) pro Skala des RoMo-A,

Studie 1

Fig. 2 Means and standard errors separately for the presented stimuli (technomorphic, anthropomorphic, zoomorphic) per scale of the RoMo-A,

study 1

wahrgenommen, wenn dieser zoomorph dargestellt wur-

de im Vergleich zu einer technomorphen (p< 0,001) oder

anthropomorphen (p< 0,001) Kontextdarstellung.

2.4.3 Technomorphismus: Der RoMo-T

Es resultierten 42 Items aus der Itemreduktion und Skalen-

analyse. Die Daten verfügten über eine geeignete Passung,

was der signifikante Bartlett’s Test (Χ2(861)= 3704,637,

p< 0,001) und das KMO-Kriterium (KMO= 0,87) zeigten.

Die Eigenwerte ergaben eine acht-faktorielle Lösung, al-

lerdings konnte erneut eine vier-faktorielle Lösung durch

den Screeplot und die zugrundeliegende Theorie gerechtfer-

tigt werden. Auf Basis der ersten Faktorenanalyse wurden

die bestgeeigneten Items ausgewählt. Die Ergebnisse der

zweiten Faktorenanalyse mit den zwölf Items ist in Tab. 4

dargestellt. Die Faktorenanalyse zeigte, dass der erste Fak-

tor (Items der Dimension Aussehen) und der vierte Faktor

(Items der Dimension Bewegung) jeweils 13% der Vari-

anz aufklärten. Am meisten Varianz (16%) klärte der zwei-

te Faktor (Items der Dimension Kommunikation) auf. Der

dritte Faktor umfasste die Items der Dimension Kontext und

erklärte weitere 14%. Insgesamt konnte der RoMo-T damit

56% der Gesamtvarianz aufklären.

Die Analyse konnte zudem eine akzeptable interne Kon-

sistenz des Fragebogens zeigen (α= 0,79). Dies zeigte sich

auch für die einzelnen Dimensionen Aussehen (α= 0,73),

Bewegung (α= 0,72), Kommunikation (α= 0,82) und Kon-

text (α= 0,75).

Die Ergebnisse der einzelnen Skalen des RoMo-T in

Bezug zu den jeweiligen Stimuli ist in Abb. 4grafisch dar-

gestellt. Die Analyse der Skala Aussehen ergab einen signi-

fikanten Haupteffekt (F(159,2)=5,70, p= 0,004). Die post-

Zeitschrift für Arbeitswissenschaft

Abb. 3 Mittelwerte und Standardfehler separat für die präsentierten Stimuli (technomorph, anthropomorph, zoomorph) pro Skala des RoMo-Z,

Studie 1

Fig. 3 Means and standard errors separately for the presented stimuli (technomorphic, anthropomorphic, zoomorphic) per scale of the RoMo-Z,

study 1

Abb. 4 Mittelwerte und Standardfehler separat für die präsentierten Stimuli (technomorph, anthropomorph, zoomorph) pro Skala des RoMo-T,

Studie 1

Fig. 4 Means and standard errors separately for the presented stimuli (technomorphic, anthropomorphic, zoomorphic) per scale of the RoMo-T,

study 1

hoc-Tests zeigten allerdings nur, dass der technomorphe

Roboter signifikant technomorpher aussehend wahrgenom-

men wurde als der zoomorphe (p= 0,004) Roboter iCat.

Darüber hinaus konnte kein signifikanter Haupteffekt für

die Skala Kommunikation gefunden werden. Die Analyse

der Skala Bewegung ergab hingegen einen signifikanten

Haupteffekt (F(159,2)=11,18, p< 0,001). Hier zeigten die

post-hoc-Tests, dass technomorph beschriebene Bewegung

signifikant technomorpher wahrgenommen wurde als zoo-

morph (p< 0,001) und anthropomorph (p< 0,001) beschrie-

bene Bewegung. Die post-hoc-Tests nach dem signifikanten

Haupteffekt der Skala Kontext (F(159,2)=27,29, p< 0,001)

zeigten, dass der technomorph dargestellte Kontext signi-

fikant technomorpher wahrgenommen wurde als der zoo-

morph dargestellte Kontext (p< 0,001). Darüber hinaus

wurde auch der anthropomorph dargestellte Kontext sig-

nifikant technomorpher wahrgenommen als der zoomorph

(p< 0,001) dargestellte Kontext.

2.5 Diskussion

Ein Ziel der Entwicklung der RoMo-Fragebögen war es,

eine Möglichkeit zur Einschätzung der Robotermorpholo-

gie in Bezug auf Anthropomorphismus (RoMo-A), Zoo-

morphismus (RoMo-Z) und Technomorphismus (RoMo-T)

zu schaffen. Der aktuelle Forschungsstand der MRI fokus-

Zeitschrift für Arbeitswissenschaft

sierte sich bisher stark auf Anthropomorphismus in der

sozialen MRI (Duffy 2003; Roesler et al. 2021). Damit

stellen die Fragebögen eine bedeutsame Erweiterung der

bisherigen Messinstrumente der Robotermorphologie über

Anthropomorphismus hinaus dar. Dies ist bedeutsam, da

zum einen auch Zoomorphismus einen bedeutsamen Ge-

staltungsansatz in der sozialen MRI darstellt, besonders in

der Therapie von Störungen im Autismus-Spektrum (Szy-

mona et al. 2021) und Demenz (Kang et al. 2020). Zum

anderen spielt Technomorphismus vor allem in der indus-

triellen und servicedominierten Domäne eine bedeutende

Rolle um den Werkzeugcharakter auch kollaborativer Ro-

boter aufrecht zu erhalten (Roesler und Onnasch 2020). Die

entwickelten Fragebögen, die alle akzeptable bis sehr gu-

te interne Konsistenzen zeigten, auch auf Subskalenebene,

sind daher ein nützliches Instrument in allen Bereichen der

MRI.

Ein wichtiges Ziel war zudem, dass die jeweiligen Fra-

gebögen auch eine Betrachtung der einzelnen Facetten der

Morphologie hinsichtlich Aussehens, Kommunikation, Be-

wegung und Kontext ermöglichen. Damit schließen die re-

sultierenden Fragebögen eine große Forschungslücke, die

durch eine bisher eindimensionale Erfassung der Morpho-

logie bestand (Bartneck et al. 2009; Ho und MacDorman

Tab. 4 Items und Faktorenladungen des RoMo-T, Studie 1

Table 4 Items and factor loadings of the RoMo-T, study 1

Faktoren

Items 1 2 3 4

Au1: Wie technisch ist die Ge-

stalt des Roboters?

0,74 –

Au2: Wie technisch ist die Form

des Roboters?

0,67 –

Au3: Wie technisch ist die Ver-

zierung des Roboters?

0,62 –

Be1: Wie technisch ist die Art

der Annäherung des Roboters?

–0,61

Be2: Wie technisch ist die Be-

schleunigung des Roboters?

–0,64

Be3: Wie technisch ist die Bewe-

gungsrichtung des Roboters?

–0,78

Km1: Wie technisch ist die Spra-

che des Roboters?

–0,79–

Km2: Wie technisch ist der

sprachliche Ausdruck des Ro-

boters?

–0,68–

Km3: Wie technisch sind die

Äußerungen des Roboters?

–0,81–

Kx1: Wie technisch ist die Auf-

gabe des Roboters?

–0,89–

Kx2: Wie technisch sind die

Funktionen des Roboters?

–0,54–

Kx3: Wie technisch ist das Ein-

satzgebiet des Roboters?

–0,64–

2010;Löffleretal.2020). Diese modellbasierende Mehrdi-

mensionalität (Onnasch und Roesler 2021) ermöglicht eine

differenzierte Untersuchung, welche Merkmale der Mor-

phologie, zu welchem Grad vorhanden sind und um im

nächsten Schritt zu bestimmen, was einen positiven Ein-

fluss auf menschliches Wahrnehmen und Verhalten hat. In

bisherigen Überblicksarbeiten fehlte es an geeigneten Ma-

ßen, um innerhalb der Dimensionen Abstufungen vorzu-

nehmen, anstelle eines nicht-quantifizierbaren Vergleichs

im Sinne von mehr oder weniger Morphologiemerkmalen

(Roesler et al. 2021). Damit bieten die Fragebögen einen

guten Ansatzpunkt auch unterschiedliche Roboter und Stu-

diendesigns vergleichbarer zu machen. Außerdem können

die RoMo-Fragebögen und einzelnen Skalen auch in der

Roboterentwicklung zum Einsatz kommen. Damit kann be-

reits in einer frühen Phase des Designs untersucht werden,

wie unterschiedliche Designs wahrgenommen werden.

Insgesamt liegt damit der größte Vorteil der RoMo-Fra-

gebögen im Gegensatz zu anderen etablierten Fragebögen

(Bartneck et al. 2009; Ho und MacDorman 2010)inder

Mehrdimensionalität. Dabei konnte die Analyse der ein-

zelnen Skalen zeigen, dass die Fragebögen weitestgehend

die jeweilige Dimension der Morphologie sensitiv abbilden.

Für den RoMo-A zeigten alle Skalen, dass jeweils die an-

thropomorphe Ausprägung des Aussehens, der Kommuni-

kation, der Bewegung und des Kontexts signifikant anthro-

pomorpher wahrgenommen wurde als die technomorphen

Ausprägungen. Dies galt bis auf den Kontext auch für die

zoomorphen Ausprägungen. Dies ist allerdings durch den

gewählten Kontext eines Kindergartens zu erklären. Post

hoc erscheint es logisch, dass soziale Kontexte wie der des

Kindergartens zu einer anthropomorphen Kontexteinschät-

zung führen (Goetz et al. 2003; Roesler et al. 2022). Der

RoMo-Z zeigte auf allen Skalen signifikant höhere Werte

der zoomorphen Stimuli im Vergleich zu anthropomorphen

und technomorphen Stimuli. Während der RoMo-A und

RoMo-Z sehr gut zwischen den Stimuli differenzieren, er-

gibt sich ein gemischtes Bild für den RoMo-T. Dies kann

damit zusammenhängen, dass Roboter grundlegend eher als

Technologie wahrgenommen werden (Roesler et al. 2022),

wofür auch die insgesamt sehr viel höheren Mittelwerte

sprechen. Dennoch zeigt sich zumindest für alle Skalen

deskriptiv der erwartete Effekt mit höherem wahrgenom-

menen Technomorphismus der jeweiligen technomorphen

Stimuli. Statistisch signifikant ist dies teilweise bestätigt,

wobei die Kommunikation eine Ausnahme bildet.

Zusammenfassend bieten die RoMo-Fragebögen da-

mit eine weitestgehend sensitive Möglichkeit Anthropo-

morphismus, Zoomorphismus und Technomorphismus in

Bezug auf Aussehen, Kommunikation, Bewegung und

Kontext zu erfassen. Die Formulierung der Items erlaubt

zudem nicht nur eine Anwendung auf spezifische Roboter,

Aufgaben oder Interaktionen, sondern eine breite Nutzung

Zeitschrift für Arbeitswissenschaft

in der MRI. Um die Faktorenstruktur zu überprüfen und

die Sensitivität weiter zu untersuchen ist allerdings eine

Kreuzvalidierung und ein Vergleich mit anderen etablierten

Fragebögen erforderlich.

3 Online-Studie 2: Fragebogenvalidierung

Das Ziel der zweiten Studie war die Validierung der Endfas-

sung des RoMo Fragebogen-Sets zur Messung von wahr-

genommenem Anthropomorphismus, Zoomorphismus und

Technomorphismus in der MRI. Um sicherzustellen, dass

der aktuelle Fragebogen eine verbesserte Differenzierung

ermöglicht, wurde ein Methodenvergleich mit anderen eta-

blierten Fragebögen zur Erfassung von Anthropomorphis-

mus in der MRI durchgeführt. Daher wurde neben den

in Studie 1 entwickelten RoMo-Fragebögen auch der GΙA

(Bartneck et al. 2009) und der RGΙA (Ho und MacDorman

2010) erhoben. Dieser Vergleich hatte das Ziel, die Effekti-

vität und Genauigkeit des neuen Fragebogens im Vergleich

zu früheren eindimensionalen Fragebögen zu evaluieren.

3.1 Methode

3.1.1 Stichprobe

Die Kreuzvalidierung erfolgte mit 162 Versuchspersonen,

um erneut eine gleichmäßige Verteilung der Versuchsper-

sonen auf die 81 einzelnen Stimuluskombinationen zu ge-

währleisten. Die Proband:innen wurden über die gleichen

Kanäle wie in der ersten Studie rekrutiert, wobei keine

der Versuchspersonen an der ersten Studie teilgenommen

hat. Die Stichprobe setzte sich aus 46% weiblichen, 52%

männlichen und 2% non-binären Personen zusammen. Das

durchschnittliche Alter betrug 32,6 Jahre (SD= 12,83). Von

den Versuchspersonen hatten auch in dieser Stichprobe die

meisten Personen keine (43) oder kaum Erfahrung (73)

mit Robotern. Erneut hatte circa ein Viertel der Teilneh-

mer:innen ein bisschen Erfahrung (43) und nur sehr wenige

viel Erfahrung (3) mit Robotern.

3.1.2 Versuchsmaterialien und -ablauf

Die Stimuli und der Ablauf der Studie wurden parallel zur

ersten Online-Studie gehalten und nur um den GΙA und

RGΙA direkt nach der Darbietung der final entwickelten

Fragebögen erweitert. Der GΙA (Bartneck et al. 2009) und

der RGΙA (Ho und MacDorman 2010) umfassen jeweils

5 semantische Differentiale. Beide Skalen wurden auf einer

5-stufigen Skala bewertet.

3.2 Analyse

Wie in der ersten Studie wurde die Angemessenheit der

Daten und der Stichprobe vor der Durchführung der Fak-

torenanalyse mit Hilfe des KMO-Kriteriums und Bartlett’s

Tests geprüft. Danach wurden exploratorische Faktorenana-

lysen mit orthogonaler Rotation (Varimax) für den jewei-

ligen Fragebogen RoMo-A, RoMo-Z und RoMo-T durch-

geführt. Die Anzahl der Faktoren wurde erneut auf Basis

von theoretischen Überlegungen, Screeplot und Eigenwer-

ten festgelegt (Cattell 1966;Kaiser1960). Die Tab. 5,6

und 7zeigen das Ergebnis der Faktoranalysen der einzel-

nen RoMo-Fragebögen mit allen Faktorladungen über 0,40

(Stevens 2012).

Im nächsten Schritt wurden, parallel zum Vorgehen der

ersten Studie, einfaktorielle ANOVAs und im Falle eines

signifikanten Haupteffekts Bonferroni-korrigierte post-hoc-

Tests berechnet.

Exklusiv für den RoMo-A wurden noch zusätzliche

Analysen durchgeführt, um die Sensitivität des hier vorge-

stellten Fragebogens mit etablierten Erhebungsinstrumen-

ten (GΙA, RGΙA) zu vergleichen. Dafür wurden auch für

den GΙA und den RGΙA einfaktorielle ANOVAs berechnet.

Zudem wurde untersucht, inwiefern der Gesamtscore des

Tab. 5 Items und Faktorenladungen des RoMo-A, Studie 2

Table 5 Items and factor loadings of the RoMo-A, study 2

Faktoren

Items 1234

Au1: Wie menschähnlich ist die

äußerliche Gestalt des Roboters?

–0,76–

Au2: Wie menschähnlich ist die

Hülle des Roboters?

–0,84–

Au3: Wie menschähnlich ist die

Ästhetik des Roboters

–0,69–

Be1: Wie menschähnlich ist die

Geschwindigkeit des Roboters?

–0,58–

Be2: Wie menschähnlich ist der

Bewegungsfluss des Roboters?

–0,78–

Be3: Wie menschähnlich ist die

Art der Annäherung des Robo-

ters?

–0,72–

Km1: Wie menschähnlich ist der

Sprachrhythmus des Roboters?

0,83 –

Km2: Wie menschähnlich ist

der sprachliche Ausdruck des

Roboters?

0,78 –

Km3: Wie menschähnlich ist die

Intonation des Roboters?

0,41 –

Kx1: Wie menschähnlich ist die

Aufgabe des Roboters?

–0,73

Kx2: Wie menschähnlich sind die

Funktionen des Roboters?

–0,71

Kx3: Wie menschähnlich ist das

Einsatzgebiet des Roboters?

–0,66

Zeitschrift für Arbeitswissenschaft

Tab. 6 Items und Faktorenladungen des RoMo-Z, Studie 2

Table 6 Items and factor loadings of the RoMo-Z, study 2

Faktoren

Items 1234

Au1: Wie tierähnlich ist die äußer-

liche Gestalt des Roboters?

–0,75–

Au2: Wie tierähnlich ist die Fassa-

de des Roboters?

–0,88–

Au3: Wie tierähnlich ist die Ästhe-

tik des Roboters?

–0,80–

Be1: Wie tierähnlich ist die Art der

Annäherung des Roboters?

0,82 –

Be2: Wie tierähnlich ist die Art

des Roboters, Menschen oder

Gegenstände zu berühren?

0,64 –

Be3: Wie tierähnlich ist die Re-

flexbewegung des Roboters?

0,68 –

Km1: Wie tierähnlich sind die

Geräusche des Roboters?

–0,89–

Km2: Wie tierähnlich ist die

Stimmfärbung des Roboters?

–0,58–

Km3: Wie tierähnlich sind die

Äußerungen des Roboters?

–0,58–

Kx1: Wie tierähnlich ist die Auf-

gabe des Roboters?

–0,77

Kx2: Wie tierähnlich sind die

Funktionen des Roboters?

–0,76

Kx3: Wie tierähnlich ist das Kön-

nen des Roboters?

–0,52

RoMo-A unterschiedliche Grade von Anthropomorphismus

unterscheiden kann (von keiner anthropomorphen Ausprä-

gung bis hin zu einer anthropomorphen Ausprägung aller

vier Dimensionen Aussehen, Kommunikation, Bewegung,

Kontext). Dazu wurde eine lineare Regression durchge-

führt, um zu untersuchen, ob der RoMo-A mit dem Grad

des Anthropomorphismus der Stimuli zusammenhängt.

Dieses Vorgehen wurde zusätzlich für den GΙA und RGΙA

durchgeführt.

3.3 Ergebnisse

3.3.1 Anthropomorphismus: Der RoMo-A

Die Stichprobengröße und Angemessenheit der Daten

konnte durch den signifikanten Bartlett’s Test (Χ2(66)=

732,33, p< 0,001) und das als gut zu bewertende KMO-

Kriterium (KMO= 0,79) bestätigt werden. Sowohl die Ei-

genwerte als auch die visuelle Inspektion des Screeplots

ergaben vier zu extrahierende Faktoren. Die Ergebnisse der

Faktorenanalyse des RoMo-A sind in Tab. 5dargestellt.

Der erste Faktor umfasst die Items der Dimension Kom-

munikation und konnte 14% der Varianz aufklären. Die

anderen Faktoren leisteten mit je 15% einen Beitrag zur

Varianzaufklärung. Damit konnte der RoMo-A insgesamt

59% der Varianz aufklären. Die Aufteilung der Items ent-

sprach exakt der vierfaktoriellen Struktur aus der ersten

Studie. Die Gesamtskala (α= 0,82) und alle Subskalen:

Aussehen (α= 0,81), Bewegung (α= 0,78), Kommunikation

(α= 0,79) und Kontext (α= 0,78) zeigten eine akzeptable

bis gute interne Konsistenz.

Die Analyse der einzelnen Skalen des RoMo-A in Bezug

zu den jeweiligen Stimuli ist in Abb. 5dargestellt. Der Ver-

gleich des unterschiedlichen Aussehens der Roboter (Yumi

vs. iCat vs. Keecker) zeigte einen signifikanten Haupteffekt

(F(159,2)= 18,78, p< 0,001). Die post-hoc-Tests lassen

erkennen, dass der anthropomorph aussehende Roboter

signifikant anthropomorpher auf der Skala Aussehen wahr-

genommen wurde als der zoomorphe (p< 0,001) und der

technomorphe (p< 0,001) Roboter. Überraschenderweise

zeigte sich weder für den GΙA(F(159,2)=1,03, p= 0,359)

noch den RGΙA(F(159,2)=0,97, p= 0,382) ein signifi-

kanter Unterschied zwischen den drei Roboterbildern. Die

Analyse der Skala Kommunikation zeigte einen signifikan-

ten Haupteffekt für den Vergleich der anthropomorph, zoo-

morph und technomorph beschriebenen Kommunikation

(F(159,2)= 39,98, p< 0,001). Die Kommunikation wurde

in der anthropomorph beschriebenen Bedingung als signifi-

kant anthropomorpher wahrgenommen als in der zoomorph

(p< 0,001) und technomorph (p< 0,001) beschriebenen

Bedingung. Auch in Bezug zur Kommunikation zeigten

weder der GΙA(F(159,2)=0,73, p= 0,482) noch der RGΙA

(F(159,2)= 0,77, p= 0,467) einen signifikanten Hauptef-

fekt. Für die Analyse der unterschiedlich beschriebenen

Bewegungen zeigte sich für die Skala Bewegung ein sig-

nifikanter Haupteffekt (F(159,2)=4,01, p= 0,020). Dabei

zeigte sich, dass anthropomorph beschriebene Bewegungen

signifikant anthropomorpher wahrgenommen wurden als

technomorph beschriebene Bewegungen (p= 0,030). Wie

bereits bei Aussehen und Kommunikation, konnte auch

bei unterschiedlich beschriebenen Bewegungen weder ein

signifikanter Haupteffekt für den GΙA(

F(159,2)= 1,618,

p= 0,202) noch den RGΙA(F(159,2)= 0,442, p= 0,643) ge-

funden werden. Die Analyse der Skala Kontext zeigte einen

signifikanten Haupteffekt (F(159,2)=8,51, p< 0,001). Wie

bereits in der ersten Online-Studie wurde der technomorph

charakterisierte Kontext signifikant weniger anthropomorph

eingeschätzt als der anthropomorph (p= 0,001) und zoo-

morph (p= 0,002) beschriebene Kontext. Erneut konnten

weder der GΙA(F(159,2)=0,203, p= 0,817) noch der

RGΙA(F(159,2)=0,357, p= 0,701) einen signifikanten Un-

terschied zwischen den unterschiedlichen Bedingungen

aufzeigen.

Zuletzt wurde analysiert, inwiefern die unterschied-

lichen Fragebögen den Grad des Anthropomorphismus

vorhersagen können. Die Analysen identifizierten den Mit-

telwert des RoMo-A als Prädiktor für die Anzahl der

anthropomorphen Merkmale (maximal vier Merkmale:

Zeitschrift für Arbeitswissenschaft

Abb. 5 Mittelwerte und Standardfehler separat für die präsentierten Stimuli (technomorph, anthropomorph, zoomorph) pro Skala des RoMo-A,

Studie 2

Fig. 5 Means and standard errors separately for the presented stimuli (technomorphic, anthropomorphic, zoomorphic) per scale of the RoMo-A,

study 2

Aussehen, Kommunikation, Bewegung, Kontext) (b= 3,60,

t(160)= 2,88, p= 0,005). Der Gesamt-Mittelwert erklärt

einen signifikanten Anteil der Varianz der anthropomorphen

Merkmale (R2= 0,05, F(1,160)=8,31, p= 0,004). Weder der

GΙA(b= –0,08, t(160)= –1,46, p= 0,146) noch der RGΙA

(b= 0,01, t(160)= 0,23, p= 0,817) konnten die Anzahl der

anthropomorphen Merkmale vorhersagen (Abb. 6).

3.3.2 Zoomorphismus: Der RoMo-Z

Sowohl der signifikante Bartlett’s Test (Χ2(66)= 836,43,

p< 0,001) als auch das KMO- Kriterium (KMO= 0,77) be-

stätigen die Angemessenheit der Daten und Stichprobe. Die

Eigenwerte sowie die visuelle Inspektion des Screeplots

ergaben vier zu extrahierende Faktoren.

Abb. 6 Mittelwerte und Standardfehler pro Merkmalsanzahl für den gesamt-Score des RoMo-A, den GΙA und den RGΙA

Fig. 6 Means and standard errors per feature number for the total score of the RoMo-A, the GΙAandtheRGΙA

Die Faktorenanalyse des RoMo-Z ist in Tab. 6darge-

stellt. Der erste Faktor umfasst die Items der Dimension

Bewegung und konnte 16% der Varianz aufklären. Der

zweite Faktor, der die Items der Dimension Aussehen

beinhaltet, konnte 17% der Varianz aufklären. Weitere

14% der Varianz wurden vom dritten Faktor (Items der

Dimension Kontext) und weitere 15% der Varianz vom

vierten Faktor (Items der Dimension Kommunikation) auf-

geklärt. Alle Skalen des RoMo-Z konnten zusammen 62%

der Varianz aufklären. Die Aufteilung der Items entsprach

exakt der vierfaktoriellen Struktur aus der ersten Studie.

Die Gesamtskala (α= 0,82) und alle Subskalen, Aussehen

(α= 0,86), Bewegung (α= 0,79), Kommunikation (α= 0,77)

und Kontext (α= 0,79), zeigten eine akzeptable bis gute

interne Konsistenz.

Zeitschrift für Arbeitswissenschaft

Abb. 7 Mittelwerte und Standardfehler separat für die präsentierten Stimuli (technomorph, anthropomorph, zoomorph) pro Skalen des RoMo-Z,

Studie 2

Fig. 7 Means and standard errors separately for the presented stimuli (technomorphic, anthropomorphic, zoomorphic) per scales of the RoMo-Z,

study 2

Die Analyse der einzelnen Skalen des RoMo-Z in Bezug

zu den jeweiligen Stimuli ist in Abb. 7dargestellt. Die Ana-

lyse ergab einen signifikanten Haupteffekt für das wahr-

genommene zoomorphe Aussehen der unterschiedlichen

Roboterstimuli (F(159,2)=29,02, p< 0,001). Die post-hoc-

Tests zeigten, dass der zoomorphe Roboter iCat als signifi-

kant zoomorpher wahrgenommen wurde als der technomor-

phe Roboter Keecker (p< 0,001) und der anthropomorphe

Roboter Yumi (p< 0,001). Auch für die Kommunikation

konnte gezeigt werden (F(159,2)=24,99, p< 0,001), dass

die zoomorph beschriebene Kommunikation als signifikant

zoomorpher wahrgenommen wurde als die technomorph

(p< 0,001) und anthropomorph (p< 0,001) beschriebe-

ne Kommunikation. Darüber hinaus konnte auch für die

wahrgenommene Bewegung ein signifikanter Haupteffekt

gefunden werden (F(159,2)=17,85, p< 0,001). Roboter,

deren Bewegungen zoomorph beschrieben wurden, wurden

signifikant zoomorpher wahrgenommen als Roboter mit

technomorph (p< 0,001) und anthropomorph (p< 0,001) be-

schriebenen Bewegungen. Auch in Bezug auf den Kontext,

in dem der Roboter präsentiert wurde, konnte ein Haupt-

effekt detektiert werden (F(159,2)=21,24, p< 0,001). Der

zoomorph dargestellte Kontext wurde als signifikant zoo-

morpher wahrgenommen als der technomorph (p< 0,001)

und anthropomorph (p< 0,001) dargestellte Kontext.

3.3.3 Technomorphismus: Der RoMo-T

Auch für den RoMo-T zeigten sowohl der signifikante Bart-

lett’s Test (Χ2(66)=766,10, p< 0,001) als auch das KMO-

Kriterium (KMO= 0,85) die Angemessenheit der Daten

und Stichprobe. Die Eigenwerte ergaben eine dreifaktori-

elle Struktur, allerdings konnte die visuelle Inspektion des

Screeplots und die theoretische Basis auch die Extraktion

von vier Faktoren rechtfertigen.

Die Faktorenanalyse des Fragebogens ist in Tab. 7dar-

gestellt. Der erste Faktor erklärte 15% der Varianz, dabei

luden primär die Items der Dimension Bewegung auf die-

Tab. 7 Items und Faktorenladungen des RoMo-T, Studie 2

Table 7 Items and factor loadings of the RoMo-T, study 2

Faktoren

Items 1 2 3 4

Au1: Wie technisch ist die Ge-

stalt des Roboters?

–0,79–

Au2: Wie technisch ist die Form

des Roboters?

–0,75–

Au3: Wie technisch ist die Ver-

zierung des Roboters?

–0,68–

Be1: Wie technisch ist die Art

der Annäherung des Roboters?

0,52 –

Be2: Wie technisch ist die Be-

schleunigung des Roboters?

0,66 –

Be3: Wie technisch ist die Be-

wegungsrichtung des Roboters?

0,63 –

Km1: Wie technisch ist die

Sprache des Roboters?

–0,72

Km2: Wie technisch ist der

sprachliche Ausdruck des Robo-

ters?

–0,58

Km3: Wie technisch sind die

Äußerungen des Roboters?

0,48 – 0,42

Kx1: Wie technisch ist die Auf-

gabe des Roboters?

–0,97–

Kx2: Wie technisch sind die

Funktionen des Roboters?

0,43 (0,38) –

Kx3: Wie technisch ist das Ein-

satzgebiet des Roboters?

–0,54–

Zeitschrift für Arbeitswissenschaft

Abb. 8 Mittelwerte und Standardfehler separat für die präsentierten Stimuli (technomorph, anthropomorph, zoomorph) pro Skalen des RoMo-T,

Studie 2

Fig. 8 Means and standard errors separately for the presented stimuli (technomorphic, anthropomorphic, zoomorphic) per scales of the RoMo-T,

study 2

sem Faktor. Überraschender Weise lud auch ein Kommu-

nikations-Item und ein Kontext-Item mit >0,4 auf diesem

Faktor. Der zweite Faktor umfasste weitestgehend die Items

der Dimension Kontext und erklärte 13% der Varianz. Ei-

nes der Kontext-Items lud allerdings mit 0,38 schwächer

als erwartet auf dem Faktor.

Der dritte Faktor umfasste eindeutig die Items der Skala

Aussehen und erklärte 17% der Varianz. Der letzte Fak-

tor erklärte 11% der Varianz und bildete alle Items der

Dimension Kommunikation ab. Die Aufteilung der Items

entsprach damit nicht exakt der vierfaktoriellen Struktur

aus der ersten Studie. Die Gesamtskala (α= 0,87) und al-

le Subskalen: Aussehen (α= 0,83), Bewegung (α= 0,72),

Kommunikation (α= 0,72) und Kontext (α= 0,75) zeigten

eine akzeptable bis gute interne Konsistenz.

Die Analyse der Sensitivität der einzelnen Skalen für un-

terschiedlich technomorphe Stimuli ist in Abb. 8dargestellt.

Die Analyse der Skala Aussehen ergab einen signifikanten

Haupteffekt (F(159,2)=22,13, p< 0,001). Im Detail konnte

durch die post-hoc-Tests gezeigt werden, dass der techno-

morphe Roboter Keecker als technomorpher wahrgenom-

men wurde, als der zoomorphe Roboter iCat (p< 0,001)

und der anthropomorphe Roboter Yumi (p= 0,007). Zu-

dem wurde Yumi als signifikant technomorpher aussehend

wahrgenommen als iCat (p= 0,001). Die Analyse der Ska-

la Kommunikation zeigte keinen signifikanten Unterschied

zwischen den unterschiedlichen Kommunikationsbeschrei-

bungen (F(159,2)=1,38, p=0,255). Die Analyse der Ska-

la Bewegung (F(159,2)=5,53, p= 0,005) zeigte wiederum,

dass technomorph beschriebene Bewegungen als signifi-

kant technomorpher wahrgenommen wurden, als zoomorph

beschriebene Bewegungen (p= 0,005). Zuletzt zeigte sich

auch für die Skala Kontext ein signifikanter Haupteffekt

(F(159,2)= 12,29, p< 0,001). Der technomorph charakteri-

sierte Kontext wurde als signifikant technomorpher wahrge-

nommen als der zoomorph (p< 0,001) und anthropomorph

(p= 0,012) charakterisierte Kontext.

4 Diskussion und Schlussfolgerungen

Auf Basis der MRI-Taxonomie von Onnasch und Roesler

(2021) wurde ein Set an multidimensionalen Fragebögen

zur Erfassung des wahrgenommenen Anthropomorphismus,

Zoomorphismus und Technomorphismus entwickelt. Die

theoriegeleitete Entwicklung und empirische Validierung

resultierten in einer ökonomischen, flexiblen und sensiti-

ven Alternative zu bereits existierenden Verfahren zur Er-

fassung des wahrgenommenen Anthropomorphismus in ro-

botischen Designs, sowie der Möglichkeit zur gesonder-

ten Erfassung von Zoomorphismus und Technomorphis-

mus (Bartneck et al. 2009; Ho und MacDorman 2010).

Ökonomisch sind die RoMo-Fragebögen sowohl bei der

Erfassung eines Gesamteindrucks einer Morphologie via

12 Items wie auch insbesondere bei der Erfassung von ein-

zelnen Dimensionen der Robotermorphologie mit nur drei

Items. Die Nutzungsmöglichkeiten einzelner Dimensionen

machen den Fragebogen zudem flexibel einsetzbar für un-

terschiedlichste Fragestellungen in Forschung und Praxis.

Der größte Vorteil zeigt sich in der Sensitivität der Skalen,

die verwendeten Stimuli zu differenzieren.

Die Skalen des RoMo-A konnten in der ersten und zwei-

ten Studie alle anthropomorphen Merkmale signifikant von

technomorphen Merkmalen unterscheiden. Es zeigte sich

auch weitgehend eine Differenzierung von anthropomor-

phen und zoomorphen Merkmalen. Eine Ausnahme bildete

Zeitschrift für Arbeitswissenschaft

in beiden Studien der Vergleich des anthropomorphen und

zoomorphen Kontexts. Hier zeigten sich keine signifikan-

ten Unterschiede. Dies kann damit zusammenhängen, dass

das Setting des Kindergartens durch den klaren Bezug zur

sozialen Domäne ebenfalls als stark anthropomorph wahr-

genommen wurde. Da weder der GΙA (Bartneck et al. 2009)

noch der RGΙA (Ho und MacDorman 2010) die unter-

schiedlichen Stimuli differenzierten, kann der entwickelte

RoMo-A als geeignete Alternative genutzt werden, um be-

sonders feine Unterschiede zu detektieren. Die Schlussfol-

gerung, dass der neue Fragebogen sensitiver als die bisher

genutzten Fragebögen ist, konnte zudem durch den signifi-

kanten Zusammenhang der Anzahl der implementierten an-

thropomorphen Merkmale mit dem Gesamt-Mittelwert des

multidimensionalen RoMo-A illustriert werden. Weder der

RΙA (Bartneck et al. 2009) noch der RGΙA (Ho und Mac-

Dorman 2010) waren in diesem Fall prädiktiv, da sich für

beide etablierten Fragebögen keine signifikanten Zusam-

menhänge mit der Anzahl der anthropomorphen Merkmale

ergaben.

In beiden Studien konnten die Skalen des RoMo-Z al-

le zoomorphen Merkmale signifikant von technomorphen

und anthropomorphen Merkmalen unterscheiden. Dadurch

schließt der Fragebogen eine bestehende Forschungslücke,

da die Bewertung zoomorpher Gestaltung trotz ihres häufi-

gen Vorkommens in der sozialen MRI bisher kaum Beach-

tung fand. Zudem gewinnt Zoomorphismus auch im Ser-

vicebereich zunehmend an Bedeutung, wie die Beispiele

von Lio, dem Roboterschwan für Pflegeeinrichtungen

(Mišeikis et al. 2020) oder BellaBot, der Roboterkatze für

die Gastronomie (van Doorn et al. 2023), verdeutlichen.

Der RoMo-Z kann somit in unterschiedlichsten Domänen

zum Einsatz kommen.

Die Skalen des RoMo-T zeigten nur teilweise eine signi-

fikante Differenzierung der Stimuli. Außerdem zeigten sich

insgesamt sehr viel höhere Mittelwerte als in den ande-

ren Fragebögen. Beides könnte ein Indiz dafür sein, dass

Roboter an sich stets primär als technomorph wahrgenom-

men werden (Roesler et al. 2022). Ähnlich wie in vorheri-

gen Fragebögen (Bartneck et al. 2009; Ho und MacDor-

man 2010;Löffleretal.2020) würden wir daher dafür

argumentieren, geringe Ausprägungen des RoMo-A und

RoMo-Z als höheren Technomorphismus zu interpretieren.

Der RoMo-T bietet damit keinen expliziten Mehrwert, der

über die anderen beiden Fragebögen hinaus geht.

Natürlich sind die hier präsentierten Studien nicht frei

von Limitationen. Eine bedeutsame Limitation, die in zu-

künftiger Forschung adressiert werden sollte, ist die studen-

tische Stichprobe. In Anbetracht der Tatsache, dass sowohl

ältere Menschen als auch Kinder spezifische Gruppen sind,

die in der sozialen MRI untersucht werden, sollten sie als

wichtiger Teil der Zielgruppe betrachtet werden. Darüber

hinaus sollten zukünftige Untersuchungen auch andere for-

male Bildungs- und Berufshintergründe einbeziehen, wie

über eine studentische Stichprobe hinaus gehen. Dement-

sprechend wird vorgeschlagen, den Fragebogen mit unter-

schiedlichen Stichproben zu validieren.

Die größte Einschränkung besteht jedoch darin, dass die

Entwicklung ausschließlich auf speziellen Bildern und Tex-

ten basierte. In einem ersten Schritt sollte die Validität auch

für andere Vignetten mit insbesondere Robotern die stärker

in Ihrem Aussehen variieren und anderen Umgebungsbil-

dern der jeweiligen Kontexte validiert werden.

Dennoch lässt sich zusammenfassend festhalten, dass der

RoMo-A und der RoMo-Z sinnvolle Instrumente für die

MRI-Forschung und die Entwicklung von Robotern darstel-

len. Da die Formulierungen der Items nicht auf bestimmte

Roboter oder Einsatzgebiete abzielten, können die Frage-

bögen domänenübergreifend für eine Vielzahl von Robo-

tern eingesetzt werden. Darüber hinaus können die einzel-

nen Skalen flexibel ausgewählt werden, um eine optimale

Anpassung an die Forschungsfrage und das Entwicklungs-

ziel zu gewährleisten. Die RoMo-Fragebögen leisten damit

einen vielversprechenden Beitrag für zukünftige Forschung,

um die Gestaltungsmerkmale und daraus folgende Wirkun-

gen in der MRI zu untersuchen. Dies ist besonders wegen

der domänenübergreifenden Zunahme von direkter Zusam-

menarbeit von Menschen und Robotern von zentraler Be-

deutung.

Funding Open Access funding enabled and organized by Projekt

DEAL.

Interessenkonflikt E. Roesler, K. zur Kammer und L. Onnasch geben

an, dass kein Interessenkonflikt besteht.

Open Access Dieser Artikel wird unter der Creative Commons Na-

mensnennung 4.0 International Lizenz veröffentlicht, welche die Nut-

zung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in

jeglichem Medium und Format erlaubt, sofern Sie den/die ursprüng-

lichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link

zur Creative Commons Lizenz beifügen und angeben, ob Änderungen

vorgenommen wurden.

Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial

unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern

sich aus der Abbildungslegende nichts anderes ergibt. Sofern das be-

treffende Material nicht unter der genannten Creative Commons Lizenz

steht und die betreffende Handlung nicht nach gesetzlichen Vorschrif-

ten erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des

Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.

Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation

auf http://creativecommons.org/licenses/by/4.0/deed.de.

Literatur

Bartneck C, Kuli´

c D, Croft E, Zoghbi S (2009) Measurement instru-

ments for the anthropomorphism, animacy, likeability, perceived

intelligence, and perceived safety of robots. Int J Soc Robot

1(1):71–81. https://doi.org/10.1007/s12369-008-0001-3

Zeitschrift für Arbeitswissenschaft

Belpaeme T, Kennedy J, Ramachandran A, Scassellati B, Tana-

ka F (2018) Social robots for education: a review. Sci Robot

3(21):5954. https://doi.org/10.1126/scirobotics.aat5954

Bröhl C, Nelles J, Brandl C, Mertens A, Schlick CM (2016) TAM re-

loaded: a technology acceptance model for human-robot coopera-

tion in production systems. In: Stephanidis C (Hrsg) HCI Interna-

tional 2016—Posters’ extended abstracts. Springer, S 97–103

Cattell RB (1966) The scree test for the number of factors. Multivar

Behav Res 1(2):245–276

Clodic A, Pacherie E, Alami R, Chatila R (2017) Key elements for

human-robot joint action. In: Sociality and normativity for robots.

Springer, S 159–177 https://doi.org/10.1007/978-3-319-53133-

5_8

Darling K (2015) “Who’s Johnny?” anthropomorphic framing in hu-

man-robot interaction, integration, and policy. SSRN Electron J.

https://doi.org/10.2139/ssrn.2588669

Darling K (2017) “Who’s Johnny?“ anthropomorphic framing in hu-

man-robot: interaction, integration, and policy. In: Robot ethics

2.0: from autonomous cars to artificial intelligence, S 173–188

https://doi.org/10.1093/oso/9780190652951.003.0012

van Doorn J, Smailhodzic E, Puntoni S, Li J, Schumann JH, Holt-

höwer J (2023) Organizational frontlines in the digital age: The

Consumer-Autonomous Technology-Worker (CAW) framework.

J Bus Res 164:114000

Dragan A, Srinivasa S (2016) Generating legible motion https://doi.

org/10.15607/rss.2013.ix.024

Duffy BR (2003) Anthropomorphism and the social robot. Robot

Auton Syst 42(3–4):177–190. https://doi.org/10.1016/S0921-

8890(02)00374-3

Goetz J, Kiesler S, Powers A (2003) Matching robot appearance

and behavior to tasks to improve human-robot cooperation. In:

Proceedings—IEEE International Workshop on Robot and Hu-

man Interactive Communication, S 55–60 https://doi.org/10.1109/

ROMAN.2003.1251796

Gordon G, Spaulding S, Westlund JK, Lee JJ, Plummer L, Martinez M,

Das M, Breazeal C (2016) Affective personalization of a social ro-

bot tutor for children’s second language skills. In: Thirtieth AAAI

Conference on Artificial Intelligence (https://www.aaai.org/ocs/

index.php/AAAI/AAAI16/paper/viewPaper/11759)

Hancock PA, Billings DR, Schaefer KE, Chen JYCC, de Visser EJ,

Parasuraman R (2011) A meta-analysis of factors affecting trust

in human-robot interaction. Hum Factors 53(5):517–527. https://

doi.org/10.1177/0018720811417254

Ho C-C, MacDorman KF (2010) Revisiting the uncanny valley theory:

developing and validating an alternative to the godspeed indices.

Comput Human Behav 26(6):1508–1518. https://doi.org/10.1016/

J.CHB.2010.05.015

International Federation of Robotics (2020a) Executive summary

world robotics 2020 industrial robots. In: World robotic report

International Federation of Robotics (2020b) Executive summary

world robotics 2020 service robots. In: World robotic report

Kaiser HF (1960) The application of electronic computers to factor

analysis. Educ Psychol Meas 20(1):141–151

Kang HS, Makimoto K, Konno R, Koh IS (2020) Review of outcome

measures in PARO robot intervention studies for dementia care.

Geriatr Nurs 41(3):207–214. https://doi.org/10.1016/j.gerinurse.

2019.09.003

Kuz S, Mayer MP, Müller S, Schlick CM (2013) Using anthropomor-

phism to improve the human-machine interaction in industrial en-

vironments (Part I). Lecture notes in computer science (including

subseries lecture notes in artificial intelligence and lecture notes

in bioinformatics), 8026 LNCS (PART 2), S 76–85 https://doi.org/

10.1007/978-3-642-39182-8_9

Li D, Rau PP, Li Y (2010) A cross-cultural study: effect of robot ap-

pearance and task. Int J Soc Robot 2:175–186

Löffler D, Dörrenbächer J, Hassenzahl M (2020) The uncanny valley

effect in zoomorphic robots: the u-shaped relation between animal

likeness and likeability. In: Proceedings of the 2020 ACM/IEEE

International Conference on Human-Robot Interaction. Associati-

on for Computing Machinery, S 261–270 https://doi.org/10.1145/

3319502.3374788

Mara M, Appel M, Gnambs T (2022) Human-like robots and the

uncanny valley: a meta-analysis of user responses based on the

godspeed scales. Z Psychol. https://doi.org/10.1027/2151-2604/

a000486

Matheson E, Minto R, Zampieri EGG, Faccio M, Rosati G (2019) Hu-

man-robot collaboration in manufacturing applications: a review.

Robotics 8(4):100. https://doi.org/10.3390/robotics8040100

Mayer MP, Kuz S, Schlick CM (2013) Using anthropomorphism to im-

prove the human-machine interaction in industrial environments

(part II). Lecture notes in computer science (including subseries

lecture notes in artificial intelligence and lecture notes in bioinfor-

matics), 8026 LNCS (PART 2), S 93–100 https://doi.org/10.1007/

978-3-642-39182-8_9

Mišeikis J, Caroni P, Duchamp P, Gasser A, Marko R, Mišeikien˙

eN,

Früh H (2020) Lio-A personal robot assistant for human-ro-

bot interaction and care applications. IEEE Robot Autom Lett

5(4):5339–5346

Mori M, MacDorman KF, Kageki N (2012) The uncanny valley [from

the field]. IEEE Robot Autom Mag 19(2):98–100. https://doi.org/

10.1109/MRA.2012.2192811

Nanay B (2021) Zoomorphism. Erkenntnis 86:171–186

Onnasch L, Hildebrandt CL (2021) Impact of anthropomorphic robot

design on trust and attention in industrial human-robot interaction.

J Hum Robot Interact. https://doi.org/10.1145/3472224

Onnasch L, Roesler E (2019) Anthropomorphizing robots: the effect

of framing in human-robot collaboration. Proc Hum Factors Er-

gon Soc Annu Meet 63(1):1311–1315. https://doi.org/10.1177/

1071181319631209

Onnasch L, Roesler E (2021) A taxonomy to structure and analyze

human-robot interaction. Int J Soc Robot 13(4):833–849. https://

doi.org/10.1007/s12369-020-00666-5

Onnasch L, Schweidler P, Wieser M (2023) Effects of predictive robot

eyes on trust and task performance in an industrial cooperation

task. In: Companion of the 2023 ACM/IEEE International Confe-

rence on Human-Robot Interaction, S 442–446

Phillips E, Zhao X, Ullman D, Malle BF (2018) What is human-like?:

Decomposing robots’ human-like appearance using the anthropo-

morphic roBOT (ABOT) database. In: ACM/IEEE International

Conference on Human-Robot Interaction, S 105–113 https://doi.

org/10.1145/3171221.3171268

Raubenheimer J (2004) An item selection procedure to maximize scale

reliability and validity. SA J Ind Psychol 30(4):59–64

Roesler E, Onnasch L (2020) Teammitglied oder Werkzeug – Der Ein-

fluss anthropomorpher Gestaltung in der Mensch-Roboter-Inter-

aktion. In: Mensch-Roboter-Kollaboration. Springer, S 163–175

Roesler E, Maier JI, Onnasch L (2020) The effect of anthropomor-

phism and failure comprehensibility on human-robot trust. Pro-

ceedings of the Human Factors and Ergonomics Society Annual

Meeting

Roesler E, Manzey D, Onnasch L (2021) A meta-analysis on the ef-

fectiveness of anthropomorphism in human-robot interaction. Sci

Robot. https://doi.org/10.1126/scirobotics.abj5425

Roesler E, Naendrup-Poell L, Manzey D, Onnasch L (2022) Why con-

text matters: the influence of application domain on preferred de-

gree of anthropomorphism and gender attribution in human-robot

interaction. Int J Soc Robot: 1–12

Rothstein N, Kounios J, Ayaz H, de Visser EJ (2021) Assessment of

human-likeness and anthropomorphism of robots: a literature re-

view. In: Advances in neuroergonomics and cognitive enginee-

ring. Proceedings of the AHFE 2020 Virtual Conferences on Neu-

Zeitschrift für Arbeitswissenschaft

roergonomics and Cognitive Engineering, and Industrial Cogni-

tive Ergonomics and Engineering Psychology, July 16–20, 2020,

USA. Springer, S 190–196

Ruijten PAM, Haans A, Ham J, Midden CJH (2019) Perceived human-

likeness of social robots: testing the Rasch model as a method for

measuring anthropomorphism. Int J Soc Robot 11(3):477–494.

https://doi.org/10.1007/s12369-019-00516-z

Sanders T, Kaplan A, Koch R, Schwartz M, Hancock PA (2019) The

relationship between trust and use choice in human-robot in-

teraction. Hum Factors 61(4):614–626. https://doi.org/10.1177/

0018720818816838

Scoglio AAJ, Reilly ED, Gorman JA, Drebing CE (2019) Use of so-

cial robots in mental health and well-being research: systematic

review. J Med Internet Res 21(7):e13322. https://doi.org/10.2196/

13322

Sheridan TB (2016) Human-robot interaction. Hum Factors 58(4):

525–532. https://doi.org/10.1177/0018720816644364

Stevens JP (2012) Applied multivariate statistics for the social sciences.

Routledge

Szymona B, Maciejewski M, Karpi´

nski R, Jonak K, Radzikowska-

Büchner E, Niderla K, Prokopiak A (2021) Robot-Assisted Au-

tism Therapy (RAAT). Criteria and types of experiments using

anthropomorphic and zoomorphic robots. Review of the research.

Sensors. https://doi.org/10.3390/s21113720

Tabachnick BG, Fidell LS, Ullman JB (2007) Using multivariate sta-

tistics Bd. 5. Pearson, Boston

Waytz A, Cacioppo J, Epley N (2010) Who sees human? The sta-

bility and importance of individual differences in anthropomor-

phism. Perspect Psychol Sci 5(3):219–232. https://doi.org/10.

1177/1745691610369336

Weiss A, Bartneck C (2015) Meta analysis of the usage of the godspeed

questionnaire series. Proceedings of the 24th IEEE International

Symposium on Robot and Human Interactive Communication

(RO-MAN 2015), S 381–388 https://doi.org/10.1109/ROMAN.

2015.7333568

Westlund JMK, Martinez M, Archie M, Das M, Breazeal C (2016) Ef-

fects of framing a robot as a social agent or as a machine on chil-

dren’s social behavior. 25th IEEE International Symposium on

Robot and Human Interactive Communication, RO-MAN 2016,

S 688–693 https://doi.org/10.1109/ROMAN.2016.7745193

Zhang T, Zhu B, Kaber DB (2011) Setting etiquette expectations. In:

Human-computer etiquette: cultural expectations and the design

implications they place on computers and technology, S 231–259

Zhu B, Kaber D (2012) Effects of etiquette strategy on human-robot in-

teraction in a simulated medicine delivery task. Intell Serv Robot

5(3):199–210. https://doi.org/10.1007/s11370-012-0113-3

Złotowski J, Proudfoot D, Yogeeswaran K, Bartneck C (2015) Anthro-

pomorphism: opportunities and challenges in human-robot inter-

action. Int J Soc Robot 7:347–360

Hinweis des Verlags Der Verlag bleibt in Hinblick auf geografische

Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten

und Institutsadressen neutral.