L’\u00c9chelle de confiance dans l’intelligence artificielle<\/strong> (AI Trust Scale<\/em>, AIT) est un instrument psychom\u00e9trique con\u00e7u pour op\u00e9rationnaliser et \u00e9valuer quantitativement le niveau de confiance accord\u00e9 par les utilisateurs et les consommateurs aux syst\u00e8mes automatis\u00e9s, aux agents conversationnels intelligents et aux architectures algorithmiques d’intelligence artificielle (IA<\/a>). Ancr\u00e9e dans les travaux fondateurs de la psychologie organisationnelle et de l’interaction humain-machine (IHM<\/a>), cette \u00e9chelle adapte le mod\u00e8le tripartite de la confiance interpersonnelle th\u00e9oris\u00e9 par Mayer, Davis et Schoorman (1995)<\/a>, tout en int\u00e9grant la dichotomie classique entre confiance cognitive et confiance affective \u00e9tablie par McAllister (1995)<\/a> et Lewis et Weigert (1985)<\/a>, formalis\u00e9e pour les technologies \u00e9mergentes par des chercheurs tels que S\u00f6llner, Hoffmann et Leimeister (2016)<\/a>.<\/p>\n L’\u00e9chelle \u00e9value principalement trois dimensions de confiance cognitive fondamentales : la comp\u00e9tence per\u00e7ue<\/strong> (ability<\/em>, capacit\u00e9 per\u00e7ue du syst\u00e8me \u00e0 accomplir de fa\u00e7on exacte et performante les t\u00e2ches pr\u00e9vues), la bienveillance per\u00e7ue<\/strong> (benevolence<\/em>, croyance selon laquelle l’IA agit dans l’int\u00e9r\u00eat sup\u00e9rieur de l’utilisateur sans vis\u00e9e purement opportuniste ou extractive) et l’int\u00e9grit\u00e9 per\u00e7ue<\/strong> (integrity<\/em>, adh\u00e9sion de l’agent \u00e0 un ensemble de r\u00e8gles \u00e9thiques, de principes moraux et de transparence acceptables pour l’utilisateur). En compl\u00e9ment, les extensions psychom\u00e9triques de l’outil capturent la confiance affective<\/strong>, caract\u00e9ris\u00e9e par des sentiments de s\u00e9curit\u00e9 psychologique, de confort subjectif et d’absence d’appr\u00e9hension \u00e9motionnelle face aux d\u00e9cisions automatis\u00e9es.<\/p>\n Compos\u00e9e g\u00e9n\u00e9ralement de 12 \u00e0 18 items selon les d\u00e9clinaisons exp\u00e9rimentales, l’\u00e9chelle utilise un format de r\u00e9ponse de type Likert en 7 points allant de 1 (\u00ab Pas du tout d’accord \u00bb) \u00e0 7 (\u00ab Tout \u00e0 fait d’accord \u00bb). Les propri\u00e9t\u00e9s psychom\u00e9triques rapport\u00e9es dans la litt\u00e9rature internationale d\u00e9montrent une consistance interne remarquable (coefficients alpha de Cronbach syst\u00e9matiquement sup\u00e9rieurs \u00e0 0,85 pour toutes les sous-\u00e9chelles), une validit\u00e9 factorielle confirmatoire robuste et une excellente validit\u00e9 pr\u00e9dictive \u00e0 l’\u00e9gard de l’adoption technologique, de la d\u00e9pendance comportementale envers l’IA et de la r\u00e9duction de l’aversion aux algorithmes.<\/p>\n Confiance dans l’intelligence artificielle, psychom\u00e9trie, mod\u00e8le de Mayer, confiance cognitive, confiance affective, acceptation technologique, interaction humain-machine, comp\u00e9tence per\u00e7ue, int\u00e9grit\u00e9 algorithmique, bienveillance de l’IA, agents intelligents, syst\u00e8mes de recommandation.<\/p>\n L’adaptation et la validation psychom\u00e9trique des cadres de confiance appliqu\u00e9s aux agents num\u00e9riques intelligents et aux syst\u00e8mes d’information s’appuient sur les travaux de plusieurs chercheurs de premier plan dans le domaine des syst\u00e8mes d’information et de la psychologie des technologies :<\/p>\n Le d\u00e9ploiement exponentiel de l’intelligence artificielle<\/a> dans les sph\u00e8res professionnelles, cliniques, bancaires et domestiques a profond\u00e9ment transform\u00e9 la nature de l’interaction entre l’humain et l’artefact technologique. Alors que les outils informatiques traditionnels \u00e9taient per\u00e7us comme de simples instruments d\u00e9terministes et passifs, les agents dot\u00e9s d’apprentissage automatique (machine learning<\/a>) et de capacit\u00e9s g\u00e9n\u00e9ratives manifestent une autonomie d\u00e9cisionnelle, une adaptabilit\u00e9 et une opacit\u00e9 fonctionnelle (ph\u00e9nom\u00e8ne de \u00ab bo\u00eete noire \u00bb) qui imposent une ren\u00e9gociation fondamentale de la relation d’usage. Dans ce paradigme, la confiance ne constitue plus un simple ant\u00e9c\u00e9dent d’utilisabilit\u00e9, mais le m\u00e9diateur psychologique critique conditionnant toute d\u00e9l\u00e9gation d’autorit\u00e9 cognitive \u00e0 la machine.<\/p>\n L’objectif premier de l’\u00c9chelle de confiance dans l’intelligence artificielle est de fournir un instrument standardis\u00e9, valide et r\u00e9plicable permettant de mesurer le degr\u00e9 auquel un individu est dispos\u00e9 \u00e0 se rendre vuln\u00e9rable aux actions, pr\u00e9dictions ou recommandations \u00e9mises par un agent artificiel. L’\u00e9chelle a \u00e9t\u00e9 con\u00e7ue pour surmonter les limitations des mod\u00e8les classiques d’acceptation de la technologie, tels que le Technology Acceptance Model<\/a> (TAM ; Davis, 1989), qui r\u00e9duisent souvent l’adoption aux dimensions d’utilit\u00e9 per\u00e7ue et de facilit\u00e9 d’utilisation, sans capturer les dynamiques d’incertitude et d’attribution morale propres aux entit\u00e9s quasi-autonomes.<\/p>\n Dans le domaine de la recherche fondamentale et appliqu\u00e9e<\/strong>, l’instrument permet :<\/p>\n Sur le plan des applications organisationnelles et industrielles<\/strong>, l’\u00e9chelle sert d’indicateur diagnostic rigoureux lors du d\u00e9ploiement de syst\u00e8mes d’aide \u00e0 la d\u00e9cision m\u00e9dicale, d’assistants de conduite autonome, de moteurs de recommandation pour le commerce \u00e9lectronique ou d’agents conversationnels au sein des services clients. Elle permet d’identifier pr\u00e9cis\u00e9ment les faiblesses per\u00e7ues d’un syst\u00e8me : un utilisateur peut accorder une comp\u00e9tence technique irr\u00e9prochable \u00e0 un agent (confiance cognitive dans l’aptitude) tout en \u00e9prouvant une m\u00e9fiance radicale quant \u00e0 la protection de ses donn\u00e9es personnelles ou \u00e0 l’alignement des int\u00e9r\u00eats de l’agent avec les siens (d\u00e9ficit de bienveillance et d’int\u00e9grit\u00e9).<\/p>\n La confiance dans l’intelligence artificielle est un construit psychologique multidimensionnel d\u00e9fini comme l’\u00e9tat psychologique comprenant l’intention d’accepter une vuln\u00e9rabilit\u00e9 personnelle sur la base d’attentes positives concernant les intentions, le comportement ou les capacit\u00e9s fonctionnelles d’un syst\u00e8me \u00e0 base d’IA. L’architecture factorielle de l’\u00e9chelle AIT op\u00e9rationnalise ce construit \u00e0 travers deux grands domaines interactifs : la confiance cognitive<\/strong> (d\u00e9compos\u00e9e selon la triade de Mayer et al.) et la confiance affective<\/strong>.<\/p>\n Cette dimension renvoie \u00e0 l’\u00e9valuation rationnelle par l’utilisateur de l’expertise technique, des aptitudes analytiques et de l’efficacit\u00e9 op\u00e9rationnelle de l’IA dans un domaine d’action circonscrit. Elle mesure la conviction que l’agent poss\u00e8de les algorithmes, les donn\u00e9es et la puissance de traitement n\u00e9cessaires pour r\u00e9soudre des probl\u00e8mes complexes sans commettre d’erreurs r\u00e9dhibitoires.<\/p>\n La bienveillance per\u00e7ue correspond \u00e0 la croyance selon laquelle le syst\u00e8me d’IA \u2013 et par extension, les concepteurs et l’organisation qui le d\u00e9ploient \u2013 agit avec une intention favorable envers l’utilisateur, en cherchant \u00e0 maximiser son bien-\u00eatre plut\u00f4t qu’\u00e0 exploiter unilat\u00e9ralement ses vuln\u00e9rabilit\u00e9s ou \u00e0 servir exclusivement des imp\u00e9ratifs de rentabilit\u00e9 commerciale.<\/p>\n L’int\u00e9grit\u00e9 traduit la perception que l’intelligence artificielle adh\u00e8re \u00e0 un ensemble coh\u00e9rent de principes \u00e9thiques, de normes morales et de standards d’\u00e9quit\u00e9 jug\u00e9s acceptables par l’utilisateur. Dans le cadre de l’IA, cette dimension englobe la transparence algorithmique, l’impartialit\u00e9 (absence de biais discriminatoires injustifi\u00e9s) et l’honn\u00eatet\u00e9 quant \u00e0 ses propres limites de fonctionnement.<\/p>\n Contrairement aux trois dimensions cognitives fond\u00e9es sur des calculs d’utilit\u00e9 et des \u00e9valuations factuelles, la confiance affective trouve sa source dans les r\u00e9ponses \u00e9motionnelles, le sentiment de confort et le lien psychologique intuitif \u00e9tabli entre l’humain et l’agent intelligent. Elle refl\u00e8te l’assurance \u00e9motionnelle, le calme subjectif et l’absence d’anxi\u00e9t\u00e9 ressentie lors de la d\u00e9l\u00e9gation d’une d\u00e9cision critique \u00e0 la machine.<\/p>\n Le cadre conceptuel de l’\u00c9chelle de confiance dans l’IA se situe au carrefour de trois traditions th\u00e9oriques majeures de la psychologie sociale, de la sociologie et de l’\u00e9tude des syst\u00e8mes socio-techniques.<\/p>\n Le pivot th\u00e9orique central repose sur le mod\u00e8le ABI (Ability, Benevolence, Integrity<\/a>). Dans leur publication fondamentale au sein de l’Academy of Management Review<\/em>, Mayer et ses coll\u00e8gues ont d\u00e9fini la confiance comme la volont\u00e9 d’une partie d’\u00eatre vuln\u00e9rable aux actions d’une autre partie. Ils ont formalis\u00e9 l’id\u00e9e que les attributs per\u00e7us du d\u00e9positaire de la confiance (le trustee<\/em>) forment la base cognitive de la confiance accord\u00e9e par le tiers (le trustor<\/em>). Alors que ce mod\u00e8le a \u00e9t\u00e9 pens\u00e9 initialement pour des interactions interpersonnelles, les chercheurs en interaction humain-machine ont d\u00e9montr\u00e9 empiriquement que les individus appliquent inconsciemment les m\u00eames r\u00e8gles sociales et attributions psychologiques aux ordinateurs qu’aux humains, un paradigme exp\u00e9rimental solidement ancr\u00e9 dans les travaux pionniers du projet CASA (Computers Are Social Actors<\/em>) men\u00e9s par Reeves et Nass (1996)<\/a>.<\/p>\n L’\u00e9chelle int\u00e8gre les apports s\u00e9minaux de Lee et See (2004)<\/a> relatifs \u00e0 la confiance dans les technologies autonomes. Selon ces auteurs, la confiance dans l’automatisation se structure autour de trois composantes homologues : la performance (analogue \u00e0 l’habilet\u00e9\/comp\u00e9tence), le processus (compr\u00e9hension des m\u00e9canismes internes, proche de l’int\u00e9grit\u00e9 fonctionnelle) et le but (intention attribu\u00e9e aux cr\u00e9ateurs de la technologie, \u00e9quivalent \u00e0 la bienveillance). Lee et See insistent sur le ph\u00e9nom\u00e8ne de calibrage de la confiance : une confiance ad\u00e9quate correspond \u00e0 une ad\u00e9quation exacte entre le niveau de performance r\u00e9elle de la machine et le niveau de confiance accord\u00e9 par l’op\u00e9rateur, \u00e9vitant ainsi le double \u00e9cueil de la sous-utilisation (m\u00e9fiance excessive) et de la mauvaise utilisation par exc\u00e8s d’assurance (complaisance).<\/p>\n La distinction entre processus froids (calculatoires, logiques, probabilistes) et processus chauds (\u00e9motionnels, affectifs) est essentielle pour appr\u00e9hender l’acceptation de l’IA. Lewis et Weigert (1985)<\/a> ont pos\u00e9 qu’une confiance purement cognitive reposerait sur une rationalit\u00e9 d\u00e9nu\u00e9e de tout affect, ce qui est psychologiquement irr\u00e9aliste dans les situations de forte vuln\u00e9rabilit\u00e9 personnelle. En adaptant cette vision aux environnements num\u00e9riques, S\u00f6llner et al. (2016)<\/a> et Komiak et Benbasat (2006)<\/a> ont mis en \u00e9vidence que si la confiance cognitive constitue la condition n\u00e9cessaire \u00e0 l’adoption initiale d’un syst\u00e8me intelligent, la confiance affective en constitue le moteur de fid\u00e9lisation et d’appropriation intime continue.<\/p>\n L’\u00e9valuation psychom\u00e9trique de l’\u00c9chelle de confiance dans l’intelligence artificielle a fait l’objet de nombreuses validations empiriques au sein de contextes technologiques vari\u00e9s (chatbots g\u00e9n\u00e9ratifs, syst\u00e8mes experts m\u00e9dicaux, robo-advisors financiers et v\u00e9hicules autonomes).<\/p>\n La validit\u00e9 de construit a \u00e9t\u00e9 syst\u00e9matiquement \u00e9tay\u00e9e au moyen d’analyses factorielles confirmatoires (AFC<\/a>). Les mod\u00e9lisations structurelles attestent que la d\u00e9composition multidimensionnelle (Comp\u00e9tence, Bienveillance, Int\u00e9grit\u00e9 et dimension affective) s’ajuste significativement mieux aux donn\u00e9es observ\u00e9es qu’un mod\u00e8le unidimensionnel global de confiance (avec des gains de $\\Delta\\chi^2$<\/span> hautement significatifs, $p < 0,001$<\/span>). Les indices d’ajustement respectent les crit\u00e8res m\u00e9thodologiques les plus rigoureux :<\/p>\n La validit\u00e9 convergente est d\u00e9montr\u00e9e par des saturations factorielles standardis\u00e9es hautement significatives ($p < 0,001$<\/span>) et exc\u00e9dant le seuil recommand\u00e9 de 0,70 pour l’ensemble des items sur leurs dimensions respectives. La variance moyenne extraite (AVE<\/a>) d\u00e9passe syst\u00e9matiquement la barre des 0,50 pr\u00e9conis\u00e9e par Fornell et Larcker (1981), oscillant typiquement entre 0,62 et 0,78 selon les \u00e9chantillons. De surcro\u00eet, l’\u00e9chelle montre de fortes corr\u00e9lations positives avec des construits th\u00e9oriquement proches tels que l’Utilit\u00e9 per\u00e7ue ($r = 0,55$<\/span> \u00e0 $0,72$, $p < 0,001$<\/span>) et la Facilit\u00e9 d’utilisation per\u00e7ue ($r = 0,42$<\/span> \u00e0 $0,61$, $p < 0,001$<\/span>) du mod\u00e8le TAM.<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 valid\u00e9e selon deux approches compl\u00e9mentaires :<\/p>\n L’\u00e9chelle pr\u00e9dit de fa\u00e7on robuste les comportements r\u00e9els et les intentions d\u00e9clar\u00e9es des utilisateurs. Les scores composites d’AIT expliquent entre 45 % et 68 % de la variance de l’intention d’utiliser ou de continuer \u00e0 interagir avec une solution d’IA ($R^2 = 0,45 – 0,68$<\/span>). Dans des paradigmes exp\u00e9rimentaux d’aide \u00e0 la d\u00e9cision, des scores \u00e9lev\u00e9s de confiance cognitive pr\u00e9disent de mani\u00e8re causale la propension du participant \u00e0 modifier son jugement initial au profit de la recommandation \u00e9mise par l’algorithme, tout en r\u00e9duisant le temps de d\u00e9lib\u00e9ration.<\/p>\n Les indices de consistance interne et de stabilit\u00e9 temporelle de l’\u00c9chelle de confiance dans l’intelligence artificielle confirment son excellente pr\u00e9cision de mesure.<\/p>\n Les investigations psychom\u00e9triques men\u00e9es aupr\u00e8s d’\u00e9chantillons diversifi\u00e9s (utilisateurs grand public, professionnels de sant\u00e9, cadres financiers) rapportent les m\u00e9triques suivantes :<\/p>\n Dans les protocoles longitudinaux \u00e9valuant la stabilit\u00e9 temporelle sur un intervalle de deux \u00e0 quatre semaines en l’absence d’incident technologique ou de mise \u00e0 jour majeure du syst\u00e8me d’IA, les coefficients de corr\u00e9lation intra-classe (CCI) varient entre $0,78$ et $0,86$. Cette stabilit\u00e9 met en lumi\u00e8re la nature dispositionnelle et stabilis\u00e9e de la confiance une fois la phase initiale de d\u00e9couverte technologique achev\u00e9e.<\/p>\n L’exploration et la confirmation de la structure latente de l’\u00e9chelle AIT ont suivi les standards m\u00e9thodologiques stricts de la psychom\u00e9trie contemporaine.<\/p>\n Lors des phases initiales de d\u00e9veloppement d’items sur des \u00e9chantillons d’\u00e9talonnage, l’analyse en composantes principales ainsi que l’extraction par factorisation en axes principaux avec rotation oblique (Promax ou Oblimin direct, en raison des intercorr\u00e9lations th\u00e9oriques attendues entre dimensions de la confiance) ont syst\u00e9matiquement r\u00e9v\u00e9l\u00e9 des structures \u00e0 trois ou quatre facteurs selon l’inclusion de la dimension affective. Les crit\u00e8res suivants ont \u00e9t\u00e9 valid\u00e9s :<\/p>\n Pour d\u00e9partager les hypoth\u00e8ses structurales concurrentes, plusieurs mod\u00e8les d’AFC ont \u00e9t\u00e9 test\u00e9s et compar\u00e9s dans les publications scientifiques :<\/p>\n L’\u00c9chelle de confiance dans l’IA se pr\u00e9sente sous la forme d’un auto-questionnaire standardis\u00e9 administrable en ligne ou sur support papier.<\/p>\n Les travaux acad\u00e9miques suivants constituent les fondements th\u00e9oriques et m\u00e9thodologiques de l’\u00c9chelle de confiance dans l’intelligence artificielle :<\/p>\n Les formulations officielles des instruments psychom\u00e9triques op\u00e9rationnalisant la confiance dans les technologies selon le mod\u00e8le de Mayer et al. font l’objet d’adaptations contextualis\u00e9es et sont r\u00e9gies par le droit d’auteur des publications acad\u00e9miques associ\u00e9es.<\/p>\n Instructions to participants:<\/strong> Please evaluate the following statements regarding the artificial intelligence system you have just interacted with. Indicate your level of agreement with each item using the scale from 1 (Strongly disagree) to 7 (Strongly agree).<\/p>\n L’\u00c9chelle de confiance dans l’intelligence artificielle (AIT) mesure la confiance cognitive et affective des utilisateurs envers les agents autonomes et syst\u00e8mes d’IA selon le mod\u00e8le de Mayer.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2539,647,2],"tags":[2543,2542,778,2544,424,2540,16,2541],"class_list":["post-1018","psych_scale","type-psych_scale","status-publish","hentry","category-interaction-humain-machine","category-psychologie-cognitive","category-psychometrie","tag-acceptation-technologique","tag-agents-intelligents","tag-confiance","tag-ethique-algorithmique","tag-intelligence-artificielle","tag-modele-de-mayer","tag-psychometrie","tag-systemes-de-recommandation"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/1018","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_scale"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1018"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/1018\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1018"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1018"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1018"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
\n
5. Construit psychologique \/ Construct<\/h2>\n
1. Dimension Comp\u00e9tence \/ Capacit\u00e9 Per\u00e7ue (Ability \/ Competence)<\/h3>\n
\n
2. Dimension Bienveillance Per\u00e7ue (Benevolence)<\/h3>\n
\n
3. Dimension Int\u00e9grit\u00e9 Per\u00e7ue (Integrity)<\/h3>\n
\n
4. Dimension de la Confiance Affective (Affective Trust)<\/h3>\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
Le mod\u00e8le int\u00e9grateur de la confiance organisationnelle (Mayer, Davis & Schoorman, 1995)<\/h3>\n
La th\u00e9orie de la confiance dans l’automatisation (Lee & See, 2004)<\/h3>\n
La dialectique confiance cognitive versus confiance affective (Lewis & Weigert, 1985 ; McAllister, 1995)<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de Construit (Construct Validity)<\/h3>\n
\n
Validit\u00e9 Convergente (Convergent Validity)<\/h3>\n
Validit\u00e9 Discriminante (Discriminant Validity)<\/h3>\n
\n
Validit\u00e9 Pr\u00e9dictive et Crit\u00e9rielle (Predictive Validity)<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
Consistance Interne<\/h3>\n
\n
\n
\nho_c$) sont tous sup\u00e9rieurs \u00e0 0,88, exc\u00e9dant largement le standard acceptable de 0,70.<\/li>\nFid\u00e9lit\u00e9 Test-Retest<\/h3>\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Analyse Factorielle Exploratoire (AFE)<\/h3>\n
\n
Analyse Factorielle Confirmatoire (AFC) et Mod\u00e9lisation Hi\u00e9rarchique<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n
\n
\n
11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
Subscale 1: Perceived Ability \/ Competence<\/h3>\n
\n
Subscale 2: Perceived Benevolence<\/h3>\n
\n
Subscale 3: Perceived Integrity<\/h3>\n
\n
Subscale 4: Affective Trust (Emotional Comfort & Security)<\/h3>\n
\n