《Journal of Consumer Affairs》：Reimagining Therapy: Consumer Perceptions of Generative AI in Mental Health
编辑推荐：
越来越多的消费者正在寻求生成式人工智能（Generative AI, GenAI）的心理健康支持，然而，消费者与GenAI治疗交互背后的心理参与过程仍未得到充分理解。这一局限性限制了研究人员解释为何消费者体验存在分歧的能力，尤其是在需要高参与度的情感敏感情境中
越来越多的消费者正在寻求生成式人工智能（Generative AI, GenAI）的心理健康支持，然而，消费者与GenAI治疗交互背后的心理参与过程仍未得到充分理解。这一局限性限制了研究人员解释为何消费者体验存在分歧的能力，尤其是在需要高参与度的情感敏感情境中。为解决此问题，研究人员探究了这些体验为何存在差异以及哪些机制导致了这些相互矛盾的结果。基于30个半结构化访谈，研究人员开发了一个整合框架，勾勒出消费者与GenAI治疗之间的参与过程。该框架以认知评价理论（cognitive appraisal theory）为基础，表明GenAI同时作为功能性服务和关系代理运作，这意味着消费者的决策受到功利性评价（utilitarian evaluations）和关系评价（relational evaluations）的共同影响。通过解释消费者如何评价、重新评价以及应对GenAI治疗，该框架阐明了产生分歧结果的机制，并为识别GenAI心理健康服务中的潜在风险提供了见解。
**论文解读**
**研究背景与核心问题**
随着社会隔离加剧及对可及性心理健康护理需求的增长，越来越多的消费者将生成式人工智能（Generative AI, GenAI）作为心理健康支持手段（即GenAI治疗）。然而，相关案例呈现出截然不同的结果：一方面有用户因系统缺乏安全措施而遭遇悲剧，另一方面也有用户报告情感缓解和幸福感提升。现有研究多聚焦于系统性能、准确性和用户收益等结果导向层面，未能深入揭示消费者在情感敏感情境中如何形成差异化心理评价与应对机制。这一理论空白限制了对消费者体验分歧原因的解释。为此，研究人员基于认知评价理论（cognitive appraisal theory）开展研究，旨在回答以下问题：消费者如何评价GenAI治疗师？在参与过程中采用何种应对策略？这些评价与应对策略如何体现为不同的消费者类型与采纳行为？
**研究内容、结论与意义**
研究人员通过30个半结构化深度访谈（样本包括有经验用户和潜在消费者，年龄18-78岁，来自澳大利亚，通过大学平台定向招募），结合溯因主题分析法，构建了一个整合框架，描绘消费者从初始评价、预应应对、持续重评到预期结果的完整参与过程。核心发现在于：GenAI治疗师同时被视为功能性服务技术和关系代理，消费者的决策既受功利性评价（如努力预期、绩效预期、感知风险与收益）影响，也受关系评价（如感知共情、交互真实性）影响。该框架揭示了消费者分歧结果的心理机制，并指出消费者对AI和求助风格的先天倾向（如AI厌恶vs.欣赏、问题聚焦vs.情感聚焦）作为评价的前置过滤器。理论贡献在于：拓展认知评价理论至人机关系评价维度；将参与过程概念化为动态迭代的评价-应对循环；引入先天倾向解释同一服务下用户体验的差异。论文发表在《Journal of Consumer Affairs》。
**关键技术方法**
本研究采用探索性定性设计。数据收集通过半结构化深度访谈完成，样本来自澳大利亚，采用目的性抽样（通过大学研究平台招募），共30名参与者（19位女性，11位男性；年龄18-78岁，平均32岁），其中6人有GenAI治疗使用经验。访谈前向参与者展示两段模拟对话脚本（涉及考试压力与公开演讲恐惧），脚本由研究团队设计并经注册心理学家审核。数据分析采用溯因主题分析法（abductive thematic analysis），利用MAXQDA软件，经历五个阶段：阅读熟悉数据、初始溯因编码手册开发、开放式诱导编码、迭代比较编码与理论、关系整合与理论化。为增强可信度，研究团队进行数据源、研究者与行业专家三角验证，并邀请两位心理学与GenAI心理健康专家评估框架。
**研究结果**
**4.1 与GenAI治疗相关的压力源**
通过访谈发现，消费者寻求GenAI治疗的触发因素包含功能需求（如经济考虑、即时建议）和关系需求（如孤独、隐私披露需求）。消费者依据主观感知的严重性（包括幅度、持续时间和复杂度维度）评估是否使用GenAI：低幅度、短时间、表面性问题更适合GenAI作为初步接触或情绪支持工具；严重问题则引发安全与责任担忧。
**4.2 GenAI治疗的初始评价**
**4.2.1 功利性评价**：参与者从努力预期、绩效预期、感知风险与收益角度评估GenAI治疗的功能价值。可及性、即时性与个性化增强使用意愿，但隐私风险、算法偏见和通用化回答削弱信任。
**4.2.2 关系评价**：参与者评估GenAI的感知共情与交互真实性。情感回应产生“被倾听”感，但怀疑共情真实性、缺乏非语言线索（如语调、表情）降低了关系可接受性；过度共情可能引发不适或触发回想。
**4.2.3 消费者先天倾向**：参与者基于AI态度（厌恶vs.欣赏）和求助风格（问题聚焦vs.情感聚焦）形成四类倾向（怀疑功利者、技术实用者、传统主义者、共情采纳者），这些倾向作为预评价过滤，决定后续评价中功利或关系维度的权重。
**4.3 初始评价后的预应应对策略**
基于评价，消费者产生三种应对意向：采纳（无条件使用）、拒绝（强调人类治疗重要性或因隐私担忧退出）、谨慎（附加条件如数据保护、推荐证实、混合模式）。拒绝者通常停止后续参与，采纳或谨慎者进入下一阶段。
**4.4 GenAI治疗的持续重评与预期应对**
**4.4.1 用户动机**：参与者依据治疗关系三维度（目标、任务、人际纽带）进行重评。目标指预期治疗成果；任务评估GenAI建议的实用性与可操作性；纽带评估信任、共情与情感连接（即使知道AI无真实情感）。
**4.4.2 预期应对策略**：适应性应对表现为主动开放分享、形成关系亲近；适应不良性应对表现为自我疏远、限制情感投入，多因期望与AI关系特征不匹配（如过度人性化或缺乏温度）引发。
**4.5 预期结果与用户反应**
参与者预期产生情绪反应（如满足、失望）、行为反应（继续/停止使用）及对幸福感的影响（短期缓解vs.过度依赖风险）。研究发现：用户反应并非源于技术本身，而是源于个体如何解释AI作为功能服务与关系代理的双重角色。
**总结讨论与结论翻译**
讨论部分总结：该框架将消费者先天倾向作为评价前过滤器，解释为何同一服务产生差异结果。功利与关系评价同时存在，适应性应对促进心理亲近，但可能增加情感过度依赖风险；适应不良应对虽限制关系但那也提供保护。权力不对称（AI掌握用户数据而用户缺乏透明度）加剧脆弱性，尤其对情感孤独者。理论意义包括：将认知评价理论扩展到人际关系评价维度；将应对机制从管理压力扩展到管理关系边界与情感暴露；引入先天倾向作为边界条件。实践意义：平衡功能与关系能力设计；基于倾向的消费者细分；监管需关注心理关系风险而非仅技术安全。
**结论**（翻译自原文讨论部分最后一段）：
该框架将分歧结果的根源定位于消费者的评价与应对过程，而非技术本身。通过展示消费者如何解释和协商GenAI治疗师的双重角色——功能性服务与关系代理，本研究为理解消费者与GenAI心理健康服务的互动提供了更丰富的视角，并为消费者福祉、脆弱性及消费者-AI关系研究开辟了新方向。
