当自我控制不再是保护因素：制度化身份对人工智能态度的调节效应

《Frontiers in Psychology》：When self-control is no longer a protective factor: the moderating effect of institutionalized identity on attitudes toward artificial intelligence

　　

随着人工智能（AI）在高风险行业的日益应用，了解不同职业群体对AI的态度及其潜在的心理相关因素已成为一个重要研究问题。现有研究通常将自我控制概念化为具有普遍适应价值的心理特质，认为它有助于缓冲个体对新技术消极态度；然而，这一假设主要基于一般人群样本。基于心理功能的情境化视角，本横断面研究采用便利样本（289名参与者：179名大学生、76名飞行员和34名飞行教官），检验了制度化身份是否调节自我控制与AI消极态度之间的关系。AI消极态度采用人工智能消极态度量表（NARS）评估，该量表捕捉对AI的担忧和保留，而非接受、信任、依赖或行为采用。结果显示，在大学生中，自我控制与AI消极态度呈稳定负相关；在飞行员中，这种关系不再显著；在飞行教官中，观察到非显著正趋势——鉴于该亚组规模较小（n=34），应视为初步探索性发现而非确认效应。这些结果与以下解释一致：在高责任职业背景下，自我控制的功能优先级可能从情绪缓冲转向风险警惕；然而，由于提出的潜在心理过程（如能力焦虑与基于责任的谨慎）未被直接测量，该说明作为合理解释而非本数据证明的机制提出。此外，本研究引入了一个双维度“价值-动态”分析框架作为概念延伸以指导未来研究，因为动态取向维度在本设计中未被直接评估。总体而言，研究结果为心理特质效应的情境依赖性提供了初步证据，并为高责任专业环境中的AI治理和职业培训提供了初步启示：AI整合计划和态度相关干预可能需要针对不同职业群体的独特责任结构和心理取向进行定制，而非假设源自一般人群研究的普遍效应。

**论文解读：制度化身份调节自我控制与人工智能消极态度关系的实证研究**

**研究背景与问题**
随着人工智能（AI）在航空等高风险行业的广泛应用，不同职业群体对AI的态度差异及其心理学基础成为重要研究议题。现有研究通常将自我控制（self-control）视为具有普遍适应价值的心理特质，认为它有助于缓冲个体对新技术消极态度，但这些结论主要基于一般人群样本。高责任职业（如飞行员、飞行教官）面临的核心心理任务可能从管理不确定性焦虑转向维护风险警惕和责任边界，自我控制功能可能因情境而异。本研究旨在检验制度化身份（institutionalized identity，个体通过长期职业社会化内化特定制度规范形成的稳定身份）是否调节自我控制与AI消极态度之间的关系。

**研究内容与结论**
研究人员采用横断面设计，以289名参与者（179名大学生、76名飞行员、34名飞行教官）为样本，测量自我控制和AI消极态度，分析制度化身份的调节效应。结果表明：大学生中自我控制与AI消极态度显著负相关；飞行员中关系不显著；飞行教官中呈现非显著正趋势。这提示自我控制功能可能从情绪缓冲转向风险警惕。研究还提出了“价值-动态”双维分析框架，为理解不同职业群体AI态度的心理异质性提供概念工具。论文发表在《Frontiers in Psychology》，为心理特质效应的情境依赖性和AI治理的针对性策略提供初步证据。

**关键技术方法**
样本来源：通过便利抽样招募289名参与者，包括179名大学生（来自普通高等教育机构）、76名飞行员和34名飞行教官（来自同一航空公司）。测量工具：自我控制采用中文版自我控制量表（19题，五因子结构，Cronbach's α=0.93）；AI消极态度采用人工智能消极态度量表（Negative Attitudes toward Artificial Intelligence Scale, NARS，11题，Cronbach's α=0.85）。统计方法：采用层次回归分析检验调节效应，并进行简单斜率分析和稳健性检验（控制年龄、性别、教育水平、组织AI暴露等协变量，并使用异方差稳健标准误、自举法、置换检验和稳健回归）。

**研究结果**
**3.1 敏感性分析**：通过敏感性功效分析，发现交互效应在完整样本中检测到的效应量较小（f²=0.02），功效约为70%；飞行教官亚组（n=34）只能检测中等至大效应，因此该组正趋势应视为初步探索性发现。
**3.2 共同方法偏差**：采用Harman单因子检验（第一因子方差解释率31.5%<40%）、验证性因子分析（双因子模型拟合优，CFI=0.996，RMSEA=0.05）以及未测量潜在方法因子分析（平均方差解释率17%），表明共同方法偏差不严重。
**3.3 描述性统计与相关分析**：职业身份与AI消极态度正相关（r=0.32，p<0.001），自我控制与AI消极态度负相关（r=-0.32，p<0.001）。组间差异显著：大学生自我控制最高（M=3.28）、AI消极态度最低（M=3.35）；飞行教官AI消极态度最高（M=4.16）；飞行员居中（M=3.86）。
**3.4 调节效应分析**
**3.4.1 调节效应检验**：层次回归显示，自我控制与职业身份的交互项显著预测AI消极态度（B=0.35，SE=0.14，p=0.014，ΔR²=0.02），支持制度化身份的调节作用。
**3.4.2 简单斜率分析**：大学生中自我控制显著负向预测AI消极态度（B=?0.37，p<0.001）；飞行员中不显著（B=0.03，p=0.874）；飞行教官中正趋势不显著（B=0.27，p=0.197）。组间斜率差异显著（F(2,283)=3.08，p=0.048）。
**3.4.3 稳健性检验**：控制年龄、性别、教育水平、组织AI暴露后交互项仍显著（B=0.31~0.34，p<0.05），且异方差稳健标准误、自举法、置换检验和稳健回归均支持结果稳健。

**讨论与结论**
讨论部分指出，自我控制功能可能随制度化身份加深从“情绪缓冲”（情绪缓冲，即抑制冲动、调节焦虑以促进理性评价）转向“风险警惕”（风险警惕，即维持对潜在风险的敏感性和责任边界意识）。大学生面对AI时主要管理不确定性焦虑，高自我控制有助于降低消极态度；而飞行员和飞行教官的核心关注转向责任归属与系统安全，自我控制可能被用于增强风险监测，而非单纯缓冲情绪。研究还提出“价值-动态”（价值-动态，即区分价值判断维度和动态取向维度）双维分析框架，以解释不同职业群体消极态度背后的心理异质性（如能力焦虑与基于责任的谨慎）。但研究也存在局限：飞行教官亚组样本量小、年龄与职业身份共变、未直接测量心理过程（如状态焦虑、责任感知）以及动态取向维度。结论部分翻译如下：
本研究发现，自我控制与AI消极态度之间的关系似乎因制度化身份而异。在大学生中，自我控制与AI消极态度呈负相关；在飞行员中，这种关联不再具有统计显著性；在飞行教官中，观察到非显著正趋势——鉴于该亚组规模较小（n=34），这应视为初步探索性模式而非确认效应。这些发现与更广泛的解释一致，即心理特质的态度效应具有情境边界，其功能意义可能取决于个体所处的责任结构和职业角色。基于这一实证模式，研究提出了两个旨在指导未来研究而非总结直接验证机制的概念贡献：情境化功能转换解释，即随着制度化身份加深，自我控制可能从“情绪缓冲”功能转变为“风险警惕”功能；以及一个“价值-动态”双维分析框架，作为同时评估两个维度的理论延伸，等待实证验证。综上所述，实证结果和这些建议表明，心理特质对技术态度的影响可能受职业责任结构的限制，在高责任行业中，有效的AI治理和职业培训应针对不同职业群体的独特心理取向进行设计，而非应用源自一般人群研究的普遍假设。