生成式人工智能在心理健康与福祉领域的科学图景：文献计量与科学知识图谱分析

《Data and Information Management》：The Scientific Landscape of Generative AI in Mental Health and Well-Being: A Bibliometric and Science Mapping Analysis

　　

生成式人工智能（GenAI）的快速进展通过可扩展、个性化和交互式干预为心理健康照护的变革带来了新的可能性。大型语言模型和对话代理等技术正日益被用于支持情绪调节、提供心理教育以及模拟治疗性对话。尽管发展迅速，生成式人工智能在心理健康领域的研究仍分散于心理学、技术和伦理等维度。现有研究往往聚焦于临床有效性、用户参与度或伦理风险等孤立方面，未能将这些维度整合为连贯的框架。此外，生成式人工智能研究的加速增长引发了关于其理论基础、长期影响以及在心理健康照护中负责任实施的重要问题。为此，本研究采用文献计量与科学知识图谱方法，系统分析生成式人工智能在心理健康与福祉领域的科学图景。通过考察出版趋势、知识结构、合作网络和主题演化，本研究旨在识别关键研究模式、新兴主题和关键空白。本研究通过提供该领域的整合性、数据驱动的概览，为 guiding 未来跨学科和负责任研究提供洞见。本研究亦建立在先前考察人工智能应用和心理健康研究文献计量模式的工作基础之上。虽然先前研究（Shubina & Dzido, 2025; Shubina, 2026）广泛考察了人工智能在心理健康中的应用，但本研究的不同之处在于将生成式人工智能作为独立范式予以聚焦。它通过先进的科学知识图谱技术扩展了先前工作，并引入将生成式人工智能视为连接心理、行为和技术领域的桥梁构念的概念视角，从而能够更深入地分析结构动态和新兴研究空白。在此基础上，本研究旨在系统描绘和分析生成式人工智能（GenAI）在心理健康与福祉领域的科学图景。具体而言，它力求考察该领域的演化、知识结构和主题发展。为实现此目标，本研究解决以下研究问题：RQ1：生成式人工智能在心理健康与福祉领域的研究在科学产出、来源和地理分布方面如何随时间演化？RQ2：该领域的关键知识结构是什么，包括有影响力的作者、来源和合作模式？RQ3：生成式人工智能应用于心理健康与福祉领域的主导性和新兴研究主题是什么？RQ4：这些主题如何随时间演化，特别是与技术、临床和行为视角的关系？RQ5：该领域的关键研究空白和未充分探索的领域是什么？RQ6：哪些未来研究方向能够支持生成式人工智能在心理健康照护中的有效和负责任整合？

**研究背景与问题**

生成式人工智能（Generative Artificial Intelligence, GenAI）的快速进展正通过可扩展、个性化和交互式干预为心理健康照护带来变革可能。大型语言模型（Large Language Models, LLMs）和对话代理（Conversational Agents）日益被用于支持情绪调节、提供心理教育及模拟治疗性对话。然而，该领域研究分散于心理学、技术和伦理维度，现有研究多聚焦临床有效性、用户参与度或伦理风险等孤立方面，缺乏将各维度整合的连贯框架。此外，GenAI研究的加速增长引发了关于其理论基础、长期影响和负责任实施的关键问题。为此，研究人员采用文献计量与科学知识图谱（Science Mapping）方法，系统分析GenAI在心理健康与福祉领域的科学图景，旨在识别关键研究模式、新兴主题和关键空白，为未来跨学科和负责任研究提供数据驱动的整合性概览。与先前广泛考察人工智能在心理健康中应用的研究不同，本研究将GenAI作为独立范式聚焦，通过先进科学知识图谱技术扩展先前工作，并引入将GenAI视为连接心理、行为和技术领域之桥梁构念（Bridging Construct）的概念视角。

**关键技术方法**

研究人员采用文献计量与科学知识图谱方法，数据来源于Scopus和Web of Science（WoS）数据库，检索时段为2007–2026年，最终纳入475篇出版物（WoS 302篇，Scopus 173篇），数据库检索截止日期为2026年3月23日。分析使用R语言的Bibliometrix包及其图形界面Biblioshiny，涵盖五个互补阶段：描述性与绩效指标分析、基于引用的指标分析、合作网络分析、关键词共现与主题映射（基于中心度和密度）、趋势主题分析与生命周期建模（应用逻辑增长模型）。文献筛选遵循受PRISMA框架启发的结构化流程，由多位作者分两阶段进行以确保严谨性。

**研究结果**

**数据集概览与结构特征**：最终数据集包含475篇出版物，分布于248种来源，由1,664位学者撰写，篇均合作者4.14人，但Biblioshiny分析未识别出国际合著。年增长率为20.49%，文献平均年龄仅2.12年，篇均被引10.95次，表明科学产出扩展速度快于成熟知识基础的稳定化。

**增长动态与领域生命周期**：出版轨迹呈显著非线性增长，2023年后出版量急剧增加，反映GenAI技术向学术、临床和公共领域的快速扩散。生命周期模型拟合R2为0.978，估计饱和水平约480篇出版物，峰值产出出现在2025年。但研究人员指出，逻辑模型对数据端点敏感且未纳入置信区间等不确定性估计，饱和估计应视为当前增长动态的模型指示而非领域成熟度的确定性度量。该模式表明一种压缩式创新周期，即快速扩张由技术可见性和采纳驱动而非渐进式理论积累。

**地理领导力与知识集中**：通过通讯作者分析考察地理格局，中国和美国对应作者代表性最高，其次为印度和英国，韩国及其他国家呈中等代表性。研究领导力集中于人工智能、健康和数字创新能力较强的小部分国家，其他地区代表性相对有限，暗示知识生产的地理分布不均。

**作者生产力与知识集中**：作者生产力分布呈明显核心–边缘结构，Wang Y和Zhang Y等学者占据中心位置，大多数学者仅贡献一篇或少数几篇出版物。结合国际合著缺失和合作网络聚类特征，表明该领域不仅集中而且结构上呈分割状态——存在领导力但尚未嵌入完全整合的学术共同体。

**来源结构与跨学科锚定**：最具生产力的来源显示该领域锚定于混合出版环境，心理学、心理健康和数字健康期刊与部分技术导向刊物并存。Frontiers in Psychology和JMIR Mental Health等期刊表明领域仍与临床和心理学关切紧密相连，IEEE Access则反映计算和工程视角的增长。这种跨学科性是关键优势，但也导致碎片化，因不同来源传统对证据、术语和方法严谨性有不同期望。

**合作网络与科学共同体结构**：合作网络显示领域围绕多个集群组织且互联有限，若干紧密连接群体可见但整体结构呈碎片化而非密集整合。某些作者充当枢纽连接子群并支持集群内聚，但这些桥接角色不足以产生强统一网络。该模式表明研究通过平行共同体而非单一高度连接的国际研究前沿发展，有助于解释为何领域呈现强劲产出增长而无相应的概念整合。

**领域概念结构**：主题图显示领域概念分层，运动主题（Motor Themes）关联临床和实证心理健康研究，表明最发达领域仍扎根于既定心理学和健康关切。 niche主题包括压力相关研究等专门话题，抑郁和生活质量出现在新兴或衰退象限。最显著发现是人工智能、心理健康和焦虑处于中心过渡区——既非边缘主题也未完全巩固为连贯领域，而是作为连接传统心理学构念与新兴技术应用的整合元素。关键词结构进一步表明核心主题仍扎根于既定心理学理论（ particularly 认知行为和社会心理方法），新兴GenAI相关概念扩展而非替代这些框架，支持GenAI作为桥梁构念的解读。

**共现网络**：共现网络显示三个广泛集群：以心理健康和治疗为中心的临床集群、聚焦人口特征的人口/流行病学集群、以及包括韧性和社会支持的社会心理集群。人工智能和社交媒体作为桥接元素而非主导独立集群出现，表明技术概念正嵌入现有临床和社会心理结构而非替代传统范式。

**有影响力文献与知识基础形成**：全球被引最高文献主要为近期发表，反映快速增长领域的近因效应。然而引用模式揭示更实质性转变：有影响力贡献集中于数字健康、跨学科和技术导向刊物而非传统心理治疗或精神病学领域。知识基础显得年轻、动态且战略导向，但也可能不稳定——许多有影响力研究在领域仍在涌现时即塑造领域，表明从新颖性驱动增长向更深知识整合的过渡。

**研究主题的时间演化**：趋势主题分析揭示清晰三阶段演化：早期阶段由宗教、社会支持、灵性和健康等广泛社会心理和语境概念主导；第二阶段转向更明确临床关切， particularly 抑郁、焦虑和心理健康；最近阶段引入人工智能、社交媒体和福祉作为突出主题，标志向数字中介心理健康研究的转变。该转变不仅是术语变化，更反映从语境和障碍导向框架向日益由数字平台、算法工具和交互技术塑造之系统的实质性重新定向。

**主要发现综合**：结果共同揭示一个以快速扩张、结构碎片化和持续概念重构为特征的领域。出版产出急剧增长由GenAI技术涌现驱动，生命周期分析提示领域可能接近增长放缓阶段（但需谨慎解读）。结构层面，领域呈现集中知识领导力与有限全球整合并存。知识层面，高生产力核心作者和跨学科出版渠道反映中心知识基础的出现，但概念和方法上仍呈异质性。概念结构上，GenAI尚未构成完全独立研究领域，而是作为连接临床、社会心理和技术主题的桥梁机制运作。时间分析表明从传统社会心理和临床框架向技术中介心理健康研究的主题转变。总体而言，GenAI在心理健康中的研究正从技术驱动扩张阶段向需要概念整合、跨学科对齐和实证验证的阶段过渡。

**讨论与结论**

讨论部分将实证模式与心理学和技术框架整合。心理学层面，文献强调认知行为机制、情绪互动和人本原则在塑造GenAI干预中的作用，结果部分确认该取向但揭示关键细微差别：这些机制虽被广泛讨论但尚未巩固为主导或成熟研究主题，与先前研究一致表明GenAI应用借鉴认知行为和人本原则但仍未均匀整合为连贯理论框架。主题图和共现网络显示心理健康、焦虑和人工智能占据中心但过渡性位置而非形成凝聚主题集群，表明GenAI的心理基础在概念上仍碎片化。本研究通过证明GenAI融入心理学理论不仅不完整而且在科学图景中结构可见，扩展了先前文献。GenAI因此更多作为赋能技术层而非完全扎根的干预框架运作。行为影响层面，GenAI增强用户参与度和可及性的潜力得到确认，2023年后出版量急剧增加和AI相关主题涌现与实证证据一致。然而行为结果仍嵌入更广泛临床和社会心理集群而非形成独立研究领域，参与度收益向持续行为改变的转化仍缺乏充分理论化和验证。负责任创新层面，伦理考量虽被确认存在但尚未结构性嵌入领域，伦理和治理主题未作为主导运动主题出现，表明其相对临床和技术主题仍处边缘。结构碎片化和跨学科张力方面，合作网络显示有限跨集群整合，国际合著缺失表明分析数据集内跨国合作有限，多样出版来源反映心理学、精神病学、数字健康和工程学的强跨学科性。这种跨学科张力既丰富领域也导致概念碎片化并减缓理论巩固。生命周期分析提供最显著洞见之一：拟合逻辑模型初步提示出版增长可能接近模型估计饱和水平，但鉴于模型端点敏感性和不确定性估计缺失，该预测应谨慎解读。理论贡献方面，本研究通过将GenAI概念化为连接技术能力、心理机制和行为与福祉结果（在更广泛社会技术语境中）的桥梁构念，推进了对GenAI在心理健康中的理论理解。研究人员提出理论知情框架，将GenAI赋能信息系统能力定位为前因技术条件，心理机制（感知共情、认知重评、情绪调节、信任和治疗联盟）定位为近端中介过程，行为与福祉结果（参与度、依从性、感知支持和心理福祉）定位为远端结果，负责任AI特征（透明度、隐私保护、公平性、可解释性和安全性）定位为情境调节条件，并提出P1–P4四项理论知情关系供未来实证检验。文献计量发现为该框架提供实证动机，但主题图和共现网络并不直接检验所提出的因果 relationships，框架应解读为基于文献观察结构的理论知情整合框架而非经实证验证的因果模型。研究与实践启示方面，研究视角强调需要开发连接心理机制、行为结果和技术系统的整合框架而非孤立对待各领域；需要纵向和临床扎根研究评估GenAI干预的持续有效性；从信息系统视角，GenAI在心理健康中的有效实施不仅依赖算法性能还依赖数字平台能力、互操作性、数据治理、隐私保护和组织准备度；结果支持发展混合人–AI模型，GenAI增强而非替代治疗过程。研究贡献体现在三方面：首先通过明确概念化和理论发展GenAI作为桥梁构念推进概念理解；其次通过结合绩效分析与先进科学知识图谱技术扩展现有文献计量研究；第三通过识别结构碎片化、压缩式创新动态以及理论整合和伦理操作化空白提供前瞻性视角。局限性包括：依赖Scopus和WoS可能未充分捕捉新兴或区域发表研究；文献计量指标强调出版和引用模式而非个体研究质量严谨性；发现依赖检索查询设计和关键词选择；生命周期分析基于模型预测需谨慎解读；依赖既定文献数据库可能低估信息系统和信息管理领域的新兴研究；2026年3月23日检索截止后的发展未纳入。未来研究方向包括开发整合理论框架、优先纵向和临床验证、推进行为理论整合、解决跨文化和语境变异性、将伦理框架操作化为可测量和可实施标准、以及纳入预印本仓库（如arXiv、SSRN）、替代计量学和定性方法等额外数据源。实践与政策启示方面，临床支持混合人–AI模型；开发者应将心理学理论嵌入系统设计；伦理层面需要强健治理框架解决偏见、透明度、数据保护和问责制；政策层面地理集中提示促进全球合作和包容性创新；解决结构碎片化需要更强跨学科合作。结论部分指出，本研究提供GenAI在心理健康与福祉中的综合文献计量与科学知识图谱分析，揭示一个快速扩张但结构碎片化的领域。虽近年研究产出显著增加，但概念整合、理论发展和方法对齐未以相同速度进展。结果表明GenAI日益定位于心理、行为和技术领域交汇处，可理解为连接先前不同探究领域的桥梁构念，但该解读应视为基于文献计量模式的理论知情推断而非直接实证验证。研究强调从快速扩张向整合迈进的重要性，强调跨学科合作、理论驱动研究和纵向验证的必要性，同时强调负责任实施（包括伦理治理、数据管理和系统级整合）以确保GenAI在心理健康照护中的安全有效使用。尽管存在局限性，本研究有助于更深入理解演化中的科学图景，并确定未来研究方向以加强该快速发展领域的理论整合和实践应用。