生成式人工智能的依赖性：规模发展、验证及其动机、行为和心理相关性

《Computers in Human Behavior Reports》：Generative Artificial Intelligence Dependency: Scale Development, Validation, and its Motivational, Behavioral, and Psychological Correlates

本研究开发并验证了生成式AI依赖量表，发现其包含认知专注、负面后果和戒断反应三个维度，具有良好信效度。依赖与动机需求不足、拖延、认知失败及孤独感正相关，与任务表现和批判性思维负相关，同时存在与生活满意度矛盾的关联。研究为理解AI依赖的深层机制提供了工具支持。

　　随着生成式人工智能（Generative AI）在日常生活中的广泛应用，人们对其日益依赖的现象引发了越来越多的关注。这种依赖可能带来一系列心理和行为上的后果，因此，开发一个可靠的测量工具来评估个体对生成式AI的依赖程度显得尤为重要。本文的研究成果通过六项研究，构建并验证了“生成式AI依赖量表”（Generative AI Dependency Scale, GADS），揭示了生成式AI依赖的多维特性及其与多种心理、行为和动机结果之间的关系。该量表不仅具备良好的心理测量属性，还展示了在性别和文化上的测量不变性，为未来研究生成式AI对人类行为和心理影响提供了坚实的理论和实践基础。

生成式AI因其强大的内容生成能力，已成为当今社会不可或缺的一部分。从聊天机器人到图像生成工具，这些技术能够显著提升工作效率、自动化日常任务，并支持决策过程。然而，随着其普及，人们对其过度依赖的风险也逐渐显现。这种依赖可能削弱人类的自主性、创造性思维以及人际交往能力。尽管生成式AI在某些方面带来了便利，但其潜在的心理和社会影响尚未得到充分研究。因此，构建一个专门针对生成式AI依赖的测量工具，有助于更准确地理解其对个体行为和心理状态的影响。

在量表的开发过程中，研究团队通过多阶段的探索性因子分析（EFA）和确认性因子分析（CFA）不断优化量表的结构和内容。首先，研究团队基于已有的技术依赖理论框架，构建了一个包含30个项目的初始量表，并通过多轮的试点测试和反馈进行修改。最终，量表被精简为20个项目，并进一步细化为11个条目，涵盖了三个核心维度：认知沉溺、负面后果和戒断反应。通过EFA，研究团队发现，虽然四因子模型在统计上表现良好，但三因子模型更符合理论预期，并在后续的CFA中得到了验证。这一三因子结构不仅在样本中表现出良好的拟合度，还展示了跨性别和文化背景下的测量不变性，为未来跨文化研究提供了支持。

研究还发现，生成式AI依赖与多种心理、行为和动机结果存在显著关联。例如，依赖程度较高的个体在自主性、胜任感和归属感方面的满足度较低，同时表现出更高的“错过恐惧”（FoMO）倾向。这些发现与自我决定理论（Self-Determination Theory, SDT）相呼应，表明个体对生成式AI的依赖可能源于心理需求的未满足，从而促使他们寻求外部工具来补偿。然而，这种补偿行为可能会导致更深层次的心理依赖，削弱个体的自我调节能力和内在动机。此外，生成式AI依赖还与拖延、认知失误、任务表现下降以及批判性思维能力减弱等行为特征相关。这些结果提示我们，过度依赖生成式AI可能会对个体的认知能力和自我效能感产生负面影响。

从心理层面来看，生成式AI依赖与自我概念清晰度呈显著负相关，表明依赖行为可能模糊个体的自我认知，削弱其身份稳定性。同时，依赖程度与孤独感之间也存在正相关，暗示生成式AI可能在短期内缓解孤独感，但长期来看，它可能削弱真实的人际关系。值得注意的是，尽管依赖行为通常与心理负担相关，但研究还发现，依赖程度与生活满意度之间存在正相关，这可能是因为生成式AI带来的即时便利和情感支持能够暂时提升个体的幸福感。然而，这种正面关联可能掩盖了更深层次的心理代价，如个体自主性下降、身份认同模糊以及社会互动的减少。

为了确保量表的可靠性和有效性，研究团队还进行了测试-再测信度分析，结果显示量表具有良好的时间稳定性，ICC值达到0.87，表明个体对生成式AI的依赖程度在不同时间点间保持一致。此外，量表在跨性别和文化背景下的测量不变性得到了验证，这为其在不同人群中的广泛应用提供了保障。这些心理测量结果表明，生成式AI依赖不仅是一个技术使用的问题，更是一个深层次的心理和行为问题，它反映了个体在满足心理需求时所采用的不恰当策略。

在研究过程中，研究团队还发现，生成式AI依赖在不同心理需求维度上的表现存在差异。例如，认知沉溺与个体的动机满意度、认知和行为困难以及心理幸福感下降密切相关。而戒断反应则与个体的孤独感和负面情绪体验相关。这些发现强调了生成式AI依赖的多维度特征，表明其不仅仅是对技术的依赖，更是一种复杂的心理现象，涉及到个体对自主性、胜任感和归属感的追求与满足。

尽管研究取得了显著成果，但其局限性也值得进一步探讨。首先，由于研究采用的是相关设计，无法明确生成式AI依赖是否直接导致心理问题，还是某些心理脆弱性个体更容易产生依赖。因此，未来的研究应采用实验设计来探讨依赖行为与心理结果之间的因果关系。其次，研究样本主要由年轻、技术熟练的个体构成，而不同年龄段和数字素养水平的个体可能对生成式AI的依赖表现不同，这需要在更广泛的群体中进行验证。此外，虽然测试-再测信度显示了短期稳定性，但长期依赖的变化仍需进一步研究。最后，研究主要依赖自评量表，这种方法可能受到共同方法偏差的影响，因此，未来的研究可以结合行为日志等多方法手段，以更全面地评估生成式AI依赖的实际情况。

总体而言，本研究通过构建和验证“生成式AI依赖量表”，不仅为理解生成式AI对人类行为和心理影响提供了新的视角，也为负责任的AI设计和使用提供了理论支持。研究结果表明，生成式AI依赖反映了个体在满足心理需求时的策略偏差，可能导致自主性、胜任感和归属感的削弱，从而引发一系列心理和行为问题。因此，未来的AI应用设计和管理应更加关注个体的心理需求，避免生成式AI成为满足这些需求的唯一途径。同时，通过提升个体的自我调节能力和心理韧性，可以有效减少生成式AI依赖的风险，促进其健康、合理地融入日常生活。