AI依赖与心理困扰的关联路径：自尊的中介作用与学业成就的作用

《Frontiers in Human Neuroscience》：Pathways linking AI dependence to psychological distress: the mediating role of self-esteem and the role of academic achievement

　　

随着人工智能（AI）在教育环境中的日益整合，研究者开始关注对AI工具的依赖是否与学生的心理健康相关。这项三波时滞调查研究检验了AI依赖（AD）、自尊（SE）和心理困扰（PD）之间的时间顺序关联，并评估了学业成就（以累积平均绩点（CGPA）为指标）作为额外预测变量和潜在调节变量。研究人员采用目的性抽样从中国两所大学招募本科生。在947名基线参与者中，865名在所有三波中提供了完整有效的数据。AD、SE和PD采用自我报告量表评估，CGPA为自我报告。研究人员使用SmartPLS 4.0进行偏最小二乘结构方程模型（PLS-SEM），并使用SPSS 26.0进行补充分析，检验直接、间接和交互关联。较高的AD与较高的PD和较低的SE相关。SE与PD呈负相关，并在AD与PD之间显示出显著的统计间接关联。CGPA与SE呈正相关，但与PD无直接关联；其通过SE的间接关联显著。CGPA的假设调节效应未得到支持。这些发现将SE识别为一种可能的统计路径，但并未建立因果机制；CGPA变异性受限、性别失衡、目的性抽样、自我报告测量以及中文版AI依赖量表的文化验证不完整，均需谨慎解读。

### 论文解读：AI依赖与心理困扰的关联路径——自尊的中介作用与学业成就的作用

#### 研究背景与问题

人工智能（AI）技术在教育领域的快速渗透正在重塑学生的学习方式，包括信息检索、写作、问题解决和决策制定。近期证据表明，相当比例的大学生定期在学术活动中使用AI工具。这种发展本身并非有害，但当学生对AI产生过度依赖、将日常认知和学术任务外部化时，可能削弱自主投入、感知能力和学术判断自信。与此同时，心理困扰（PD）在大学生群体中普遍存在，焦虑和抑郁症状在不同教育背景中频繁报告。AI依赖增加与学生高困扰水平的共存本身并不建立因果关系，但提出了一个理论上重要的研究问题：AI依赖是否通过学生的自我评价过程与心理困扰相关联？本研究基于自我决定理论（SDT）和自系统视角，旨在检验AI依赖、自尊（SE）、学业成就（以CGPA为指标）与心理困扰之间的时间顺序关联，并探讨自尊的中介作用以及学业成就的调节作用。

#### 研究内容与结论

研究人员采用三波时滞调查设计，从中国两所大学通过目的性抽样招募865名本科生（年龄18-24岁，女性占70.6%）。第一波（2025年11月）测量AI依赖（AD）和人口学信息，第二波（2026年2月）测量自尊和CGPA，第三波（2026年5月）测量心理困扰。使用自我报告量表（AI依赖量表、Rosenberg自尊量表、K10心理困扰量表），CGPA为自我报告。采用PLS-SEM（SmartPLS 4.0）和SPSS 26.0进行统计分析。主要结论包括：AD与PD呈正相关（β=0.284, p<0.001），与SE呈负相关（β=-0.149, p<0.001）；SE与PD呈负相关（β=-0.464, p<0.001）；AD通过SE与PD的间接关联显著（β=0.069, p<0.001）；CGPA与SE呈正相关（β=0.211, p<0.001），并通过SE与PD有显著间接关联（β=-0.098, p<0.001）；CGPA对AD与PD、AD与SE、SE与PD的调节效应均不显著。该研究发表于《Frontiers in Human Neuroscience》，首次将AI依赖、自尊、学业成就和心理困扰纳入一个时间顺序模型，为理解AI依赖的心理影响提供了初步证据，但强调发现为统计关联而非因果机制。

#### 关键技术与方法

1. **三波时滞调查设计**：将AI依赖（T1）、自尊与CGPA（T2）、心理困扰（T3）的测量分开约3个月，减少同源偏差，但未测量同一构念的重复变化，无法推断因果。
2. **目的性抽样**：从中国两所大学招募本科生，样本包括865名参与者（女性611人，男性254人），平均年龄19.56岁，CGPA均值3.33（SD=0.43），高CGPA分布限制了低成就学生的代表性。
3. **自我报告测量**：使用K10量表评估心理困扰（Cronbach's α=0.950），AI依赖量表（Morales-Garcia等人，2024）评估AI依赖（Cronbach's α=0.799），Rosenberg自尊量表评估自尊（Cronbach's α=0.896），CGPA为单一观测变量。中文版AI依赖量表未进行独立回译或预试验，文化验证不完整。
4. **PLS-SEM分析**：在SmartPLS 4.0中检验测量模型（因子载荷、Cronbach's α、组合信度、AVE、HTMT）和结构模型（路径系数、bootstrap置信区间、效应量f2、R2、Q2），并检验直接、间接和交互效应。

#### 研究结果

**3.1 初步发现**
- **共同方法偏差与数据假设**：Harman单因子检验第一因子方差为36.001%，低于50%阈值；完全共线性VIF值在1.010-1.117之间，低于3.3，表明共同方法偏差和多重共线性不太可能影响结果。
- **描述性统计与相关**：CGPA与AD（r=0.101, p<0.001）和SE（r=0.195, p<0.001）呈正相关，与PD无显著相关（r=-0.057）；AD与SE呈负相关（r=-0.082, p<0.05），与PD呈正相关（r=0.312, p<0.001）；SE与PD呈负相关（r=-0.485, p<0.001）。CGPA变异性受限可能削弱交互效应，是调节效应不显著的合理抽样解释。

**3.2 测量模型评估**
- 反映性测量模型表现出可接受的内部一致性、收敛效度和区分效度：外载荷在0.549-0.883之间；Cronbach's α在0.799-0.950之间；组合信度（rho_c）在0.815-0.953之间；AVE均超过0.50；HTMT值在0.165-0.509之间，均低于0.90。这些结果支持中文版量表在本样本中的心理测量表现，但不构成跨文化效度或测量不变性的充分证据。

**3.3 结构模型评估**
- **直接效应与交互效应**：AD→PD（β=0.284, p<0.001, f2=0.116），支持H1；AD→SE（β=-0.149, p<0.001, f2=0.024），支持H2；SE→PD（β=-0.464, p<0.001, f2=0.302），支持H3；CGPA→SE（β=0.211, p<0.001, f2=0.047），支持H5；CGPA→PD不显著（β=0.007, p=0.803）；CGPA×AD→PD、CGPA×AD→SE、CGPA×SE→PD的交互效应均不显著（p>0.05），H7未获支持。
- **间接效应**：AD→SE→PD的间接效应显著（β=0.069, p<0.001），支持H4；CGPA→SE→PD的间接效应显著（β=-0.098, p<0.001），支持H6；CGPA×AD→SE→PD的调节中介效应不显著（β=0.018, p=0.238），H8未获支持。
- **解释力与预测相关性**：模型对PD的方差解释率为33.2%（调整R2=0.329），对SE的方差解释率为6.1%（调整R2=0.058）；Stone-Geisser Q2值均大于零（PD: 0.121, SE: 0.052），表明模型具有预测相关性，但SE的低R2提示其他未纳入因素（如学业压力、社会支持、人格等）可能贡献更大。

#### 讨论与结论

**讨论总结**：本研究基于SDT和自系统框架，检验了AI依赖、自尊、学业成就与心理困扰之间的关联。AD与PD的正相关与以往关于不良技术依赖与心理适应的研究一致，但本研究将其扩展到AI支持的学术工作领域。自尊在AD与PD之间表现出显著的统计间接效应，支持了SDT的假设：过度依赖AI可能减少自主掌握机会，进而与较低自尊和较高困扰相关。然而，反向路径（心理困扰导致更多AI依赖）或双向强化同样可能，本研究设计无法区分这些方向。CGPA与SE正相关，但与PD无直接关联，且未表现出调节作用，可能与样本CGPA分布受限、性别失衡、测量误差以及学业压力未纳入有关。局限性包括：单次测量每个构念、自我报告数据、目的性抽样、样本女性为主、CGPA高偏、中文版AI依赖量表文化验证不充分等。未来研究需采用重复测量和随机截距交叉滞后面板模型，结合客观AI使用日志和多信息源数据，并进行更广泛的抽样和文化验证。实践意义建议大学实施分层级的校园心理健康策略：在普遍层面融入AI素养和自主解决问题培训；在选择层面联合咨询和学术支持服务筛查问题性AI依赖；在指示层面由专业人员提供动机访谈、认知行为应对和个性化AI使用计划。

**研究结论**：这项三波时滞研究发现，AI依赖与随后的心理困扰呈正直接关联，并通过较低自尊呈正统计间接关联。学业成就与自尊呈正相关，并通过自尊与较低困扰呈统计间接关联，但与困扰无直接关联，也未调节所检验的路径。这些发现将自尊识别为一种可能的统计路径，而非确切的因果机制。研究结果应谨慎解读，因为本研究为观察性研究，依赖自我报告数据，且仅解释了自尊中一小部分方差。未来研究应检验反向过程、学业压力、客观AI使用模式以及更广泛的学生心理健康背景预测因素。