《Telematics and Informatics》：How and when AI companionship quality enhances user mental well-being
编辑推荐：
•本文结合多波问卷调查和实验方法，研究了人工智能陪伴质量影响用户心理健康的机制和边界条件。•研究结果表明，使用人工智能伴侣与心理健康的提升相关，这种提升是通过提高情绪清晰度和减少用户的自我呈现担忧来实现的。•正念水平在这个过程中起到了显著的调节作用：高正念度的用户能够更好地利用人
- •
本文结合多波问卷调查和实验方法，研究了人工智能陪伴质量影响用户心理健康的机制和边界条件。
- •
研究结果表明，使用人工智能伴侣与心理健康的提升相关，这种提升是通过提高情绪清晰度和减少用户的自我呈现担忧来实现的。
- •
正念水平在这个过程中起到了显著的调节作用：高正念度的用户能够更好地利用人工智能陪伴来提升情绪意识并减少自我评价的压力，而低正念度的用户则难以将外部支持转化为有效的心理保护因素。
- •
人工智能的拟人化特征对通过情绪清晰度增强心理健康的路径有积极调节作用，但其对通过减少自我呈现担忧来增强心理健康的路径的调节作用不显著。
引言
随着生成式人工智能（Generative AI）和对话式代理的快速发展，人工智能陪伴逐渐成为数字社会中一种重要的互动现象。诸如Replika和Woebot这样的人工智能伴侣产品，利用情感计算、自然语言处理和个性化适应技术，为用户提供实时响应和长期互动，从而成为缓解孤独、焦虑和抑郁的重要手段（Rogge, 2023）。根据世界卫生组织的报告，与疫情前相比，全球抑郁和焦虑障碍的患病率增加了25%，而在同一时期，人工智能伴侣的用户基数增长了35%（Siemon et al., 2022）。这一现象表明，人工智能陪伴不仅填补了心理健康方面的需求空白，还为用户提供了一个表达情感的低风险空间，显示出在维护心理健康方面的独特潜力。
尽管现有研究表明人工智能陪伴可以减少社交焦虑（Maples et al., 2024）并通过实时反馈机制提升情绪调节能力（Fitzpatrick et al., 2017），但在应对复杂的心理危机时，它可能还缺乏真正的共情（De Freitas et al., 2024），而且过度依赖这类技术甚至可能加剧现实世界社交技能的退化（Bosch et al., 2022）。这些相互矛盾的发现突显了人工智能陪伴技术对用户心理健康影响的复杂性，其效果受到多种因素的影响，包括技术设计和用户特征（Xygkou et al., 2024; Fitzpatrick et al., 2017）。因此，迫切需要系统性的研究来揭示人工智能陪伴技术影响用户心理健康的潜在机制和边界条件，以便最大化其积极影响。
目前关于人工智能陪伴对心理健康影响的研究仍存在几个局限性。首先，大多数研究仅关注技术属性、单一心理变量或使用频率，缺乏对多种中介和调节机制的系统性整合（Brandtzaeg et al., 2022; Xie and Wang, 2024）。其次，作为解释个体如何通过社会互动获得支持资源的理论框架——社会支持理论，尚未充分应用于人工智能陪伴场景。该理论强调情感支持（如共情和接纳）、信息支持（如认知指导）和工具支持（如应对策略）的协同作用对于个体应对压力和提升心理健康至关重要（Cohen and Wills, 1985）。然而，传统研究主要集中在人类社会网络内的支持传递上，忽略了人工智能陪伴技术如何通过非人类互动重新配置支持获取途径。例如，人工智能的算法驱动特性可以通过提升情绪清晰度（即识别和管理情绪的元认知能力）提供信息支持（Fitzpatrick et al., 2017），同时通过减少自我呈现担忧（即减轻社会评价的压力）提供情感支持（Kouros and Papa, 2024）。这两种机制对应于社会支持理论中的“认知重新评估”和“情感释放”核心维度，但尚未被纳入分析框架中以研究人工智能陪伴对心理健康的影响。情绪清晰度作为信息支持的认知媒介，反映了个体识别和整合自身情绪的能力（Salovey et al., 1995），而自我呈现担忧作为情感支持的情境边界，代表了用户感知的社会风险阈值（Leary and Kowalski, 1990）。这两种机制的协同作用可以阐明人工智能技术如何通过模拟社会支持的核心功能（非评判性、即时性和个性化）来提升用户的心理健康，从而扩展社会支持理论在数字时代的解释边界。此外，用户的正念水平和人工智能的拟人化特征可能会影响他们对社会支持资源的感知和使用，从而对人工智能陪伴的结果产生不同影响（Xie and Wang, 2024）。因此，有必要进一步探讨用户的正念水平和人工智能拟人化特征在人工智能陪伴与用户心理健康之间的关系中的边界和调节作用。
基于此基础，本文构建了一个“情绪清晰度–自我呈现担忧”的双重中介模型，旨在解决以下研究问题：（1）人工智能陪伴质量如何通过提升情绪清晰度和减少自我呈现担忧来促进用户的心理健康？（2）用户的正念水平和人工智能拟人化特征如何调节上述机制？通过整合社会支持理论，本文提出了一个“技术–认知–情绪–结果”框架，并采用实证方法来研究人工智能陪伴质量影响用户心理健康的途径和边界条件。这项研究不仅深化了对人工智能陪伴技术如何提升用户心理健康的理论理解，还为人工智能伴侣产品的开发、营销和部署提供了管理启示。
章节摘录
人工智能陪伴质量
人工智能陪伴质量的概念基础可以追溯到传统的陪伴理论。早期研究表明，陪伴关系并不完全依赖于工具性帮助，而是更多地体现在共同活动、相互关注和持续的关系互动中（Buhrmester and Furman, 1987）。Buhrmester和Furman（1987）指出，陪伴体验的核心在于“共同的互动和关系参与”。
情绪清晰度的中介作用
情绪清晰度是指个体清晰识别、理解和解释自己情绪体验的能力（Salovey et al., 1995）。情绪清晰度高的个体通常能够更好地区分不同的情绪状态，识别情绪的来源，并连贯地处理情绪体验（Gohm and Clore, 2000）。先前的研究表明，能够准确理解自己情绪的个体更善于……
研究设计与数据分析
本文包含三个子研究。研究1采用多波问卷调查来探讨人工智能陪伴质量影响用户心理健康的中介机制。研究2采用准实验设计，选择市场上的活跃伴侣产品（Talkie vs. DeepSeek）作为自然条件，重新考察人工智能陪伴质量与用户心理健康之间的中介机制，同时进一步探索……
结论
本文基于社会支持理论，构建并测试了一个关于人工智能陪伴质量如何促进用户心理健康的理论模型，具体揭示了情绪清晰度和自我呈现担忧的中介作用，并进一步明确了人工智能拟人化特征和用户正念水平的调节作用。具体研究结论如下：
研究发现，情绪清晰度和自我呈现担忧是重要的……
CRediT作者贡献声明
沈鹏毅：撰写——初稿、验证、监督、资源管理、方法论设计、调查实施、资金获取、数据分析、数据整理、概念化。彭德辉：方法论设计、调查实施、数据分析、数据整理、概念化。徐金娜：资源管理、调查实施、数据分析。
知情同意
在数据收集之前，参与者会被告知研究的目的、方法、可能的风险和益处，以及数据将如何处理和保护。调查在获得他们的同意后进行。
伦理审批
本研究涉及人类参与者的所有程序均遵循了机构研究委员会制定的伦理标准。这些程序也符合1964年《赫尔辛基宣言》及其后续修订版或同等伦理指南的规定。
资金支持
本工作得到了中国国家自然科学基金（项目编号：72262016）、教育部人文社会科学 research project（项目编号：25YJA630126；项目编号：23YJA630132）以及江西省社会科学基金（项目编号：25GL03）的支持。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。
沈鹏毅是江西财经大学的教授。他在中国济南的山东大学获得了工商管理博士学位。他在学术期刊上发表了多篇研究文章。近年来的研究重点是人工智能营销和服务营销。
Pengyi Shen|Dehui Peng|Jinan Xu
