从使用频次到参与质量：生成式人工智能与大学生心理健康的关联及制度条件研究

《Behavioral Sciences》：Beyond Frequency: Generative AI Engagement Quality, Psychological Well-Being, and Digital Inequality Among Chinese University Students

　　摘要生成式人工智能（GenAI）已深度融入大学生的学术与日常生活，然而基于使用频次的测量手段对于解释为何相似水平的使用与不同的心理健康结果相关却提供有限洞察。本研究基于中国广西地区3283名大学生的横断面调查数据，从三个层面考察了GenAI的参与情况：总体使用频次、具体使用目的，以及反映参与质量的指标，包括自我感知的人工智能胜任力、自我报告的关键性人工智能素养以及人工智能不可用焦虑。研究采用协变量调整的回归分析、包含5000次bootstrap重抽样的平行统计间接路径模型、调节分析以及家庭资源模型。总体使用频次在基线模型中与抑郁症状或生活满意度无显著关联。相比之下，使用目的表现出异质性关联，而参与质量指标与心理健康的关联更为一致。更频繁的使用与更高的感知胜任力和素养相关，但也伴随着更高的不可用焦虑。通过胜任力和素养传递的有利间接关联部分抵消了通过焦虑传递的不利关联，但与抑郁症状的总间接关联未达到统计显著水平。自我感知人工智能胜任力与抑郁症状之间的负向关联仅在心理资本较低水平时具有统计显著性，而在平均水平或高水平时则不显著。同时，家庭经济资源、文化资源和网络资源对胜任力和素养表现出不同的关联模式。这些发现将研究关注点从GenAI暴露频次转向参与质量以及支持关键性人工智能素养公平获取的制度条件。