《Internet Interventions》：Validation of the AI mental health Therapy Attitude, Perception, and Intention Scale (AiTAPI)
编辑推荐：
摘要翻译：
背景：本研究旨在采用经典测量理论（Classical Test Theory, CTT）方法，验证新设计的“采用AI心理健康治疗的态度、感知与意图量表”（Attitude Perception and Intention Scale for ad
摘要翻译：
背景：本研究旨在采用经典测量理论（Classical Test Theory, CTT）方法，验证新设计的“采用AI心理健康治疗的态度、感知与意图量表”（Attitude Perception and Intention Scale for adopting AI Mental Health Therapy, AiTAPI）。
方法：条目形成遵循标准程序，并计算内容效度指数（Content Validity Index, CVI）。测试样本和验证样本通过在线及面对面横断面调查收集，使用自填式问卷。量表进行了探索性因子分析（Exploratory Factor Analysis, EFA）和验证性因子分析（Confirmatory Factor Analysis, CFA）。此外，对三个分量表进行了信度及收敛/区分效度的其他心理测量学检验。
结果：因子分析证实，该量表的三因子模型与数据拟合良好，其中态度分量表的特征值最高（4.43），解释了总方差的84.4%。模型拟合统计量表明三因子模型与数据拟合良好。在CFA后的分析中，态度和意图分量表均显示出满意的收敛效度和区分效度，但感知分量表未达到该标准。态度和意图分量表均表现出较高的内部一致性，Cronbach's alpha值分别为0.920和0.828，感知分量表的条目间相关系数为0.647。三个分量表均与心理健康和应对方式测量显著相关。
结论：结果表明，三因子模型与当前数据拟合最佳。三个分量表中的两个具有良好的信度和效度，可用于测量使用AI心理健康治疗的态度和意图。然而，感知分量表需要进一步开发。
论文解读
一、研究背景与目的
心理健康问题长期以来被认定为全球重大公共卫生问题之一，尤其在年轻人群体中尤为突出。为应对青少年心理健康需求，多数发达和发展中国家已实施儿童与青少年心理健康服务（Child and Adolescent Mental Health Services, CAMHS）。近年来，人工智能（Artificial Intelligence, AI）技术的飞速发展为精神健康服务的提供与延伸提供了新途径。根据功能不同，AI心理健康治疗（AI Mental Health Therapy, AIMHT）可分为支持与信息提供、筛查与诊断、监测及干预平台等类别。然而，新技术的成功应用不仅取决于技术本身的成熟度，还取决于潜在用户的接受程度。在技术接受研究领域，技术接受模型（Technology Acceptance Model, TAM）是最常用的理论框架，其核心构念包括对技术的态度、使用感知（感知易用性与感知有用性）以及使用意图。尽管已有一些量表尝试评估AI心理健康服务的接受度，例如Békés等人开发的“使用AI和数字技术进行心理健康干预量表”（UTAUT-AI-DMHI）及Katsiroumpa等人开发的“AI心理健康量表”（AIMHS），但这些工具或聚焦于一般心理健康服务，或仅评估态度单一维度，均非专门针对AI驱动的心理健康治疗这一特定领域。此外，现有量表的理论构念与TAM不完全一致。因此，开发一个基于TAM框架、专门评估对AIMHT的态度、感知和意图的测量工具具有重要的理论意义和实践价值。本研究旨在基于经典测量理论（Classical Test Theory, CTT）验证新设计的AiTAPI量表。
二、研究内容与方法
研究人员采用CTT方法对AiTAPI量表进行验证。量表的条目形成遵循标准程序，并邀请六位心理健康领域专家（包括精神科医生、心理学家、精神科护士、职业治疗师及心理健康服务使用者）进行内容效度评审。最终保留16个条目（态度9个、感知4个、意图3个），各分量表的内容效度指数（CVI）分别为态度0.962，感知和意图0.889。验证研究使用两个独立样本：测试样本通过在线问卷调查从澳门年轻成人中招募100名有效参与者，用于探索性因子分析（EFA）；验证样本通过面对面调查从大学校园、图书馆、购物中心和体育场馆等年轻人常去的场所招募397名参与者，用于验证性因子分析（CFA）及其他效度检验。数据分析采用STATA软件，包括Bartlett球形检验、KMO检验、EFA（最大似然提取、斜交旋转）、CFA（最大似然协方差结构分析），并计算平均方差提取量（AVE）、组合信度（CR）、HTMT比率等心理测量学指标。同时，使用Warwick-爱丁堡心理健康量表简版（SWEMWBS）和压力情境应对量表（CISS）检验同时效度。伦理批准由澳门科技大学医学院伦理研究委员会授予（编号：MUST-FMD-2240001369）。
三、主要结果
3.1 探索性因子分析
EFA结果显示，三因子模型拟合良好。态度、感知和意图分量表分别包含8、2和3个条目，特征值分别为4.43、2.33和1.17，共解释总方差的84.4%。条目因子载荷介于0.482至0.860之间，均达到保留标准。
3.2 验证性因子分析
CFA基于397名验证样本进行（女性占52%，平均年龄22.6岁，62%为本科生）。整体样本及男女亚组的模型拟合指数均达到良好标准（如CFI>0.98，RMSEA<0.04）。路径系数在三个分量表中均处于可接受范围。然而，感知分量表的收敛效度不佳（AVE=0.218，低于0.5），HTMT比率为0.814，接近0.85的临界值，而态度和意图分量表的AVE分别为0.554和0.643，CR分别为0.920和0.828，均满足标准。
3.3 其他心理测量学属性
信度分析显示，态度和意图分量表的Cronbach's alpha分别为0.920和0.828，感知分量表的条目间相关系数为0.647。条目-量表相关性范围为0.754至0.870。同时效度方面，三个分量表与心理健康（SWEMWBS）及应对方式（CISS）的相关系数绝对值在0.359至0.424之间，且均高度显著（p<0.001）。其中，态度分量表与心理健康和应对方式呈负相关，这可能与其条目为反向措辞有关。
四、讨论与结论
本研究表明AiTAPI量表的三因子结构在当前数据中拟合最佳。态度和意图分量表展现了良好的信度和效度，可用于评估个体对AI心理健康治疗的态度和使用意图。感知分量表因条目数较少，导致收敛效度和区分效度未达预设标准，需进一步修订和增加条目。该量表的实践意义在于，可在实施AI驱动的心理治疗工具前评估用户的接受度，识别采用障碍（如信任不足、感知风险、对疗效的不确定性），从而帮助优化工具设计和制定针对性的心理教育策略。研究的局限性包括未检验重测信度和反应度、未评估效标效度、样本仅来自澳门地区，文化效度有待建立。未来研究应在不同年龄组、国家和语言群体中验证该量表，并采用纵向设计评估其预测效度和时间稳定性。结论认为，AiTAPI中态度和意图两个分量表具有良好的心理测量学特性，可用于测量使用AI心理健康治疗的态度和意图，而感知分量表仍需进一步开发。该论文发表于《Internet Interventions》。
