《Frontiers in Psychology》：When chatbots are perceived as “understanding”: a study on how virtual agent persona styles and affective interaction promote mental health acceptance
编辑推荐：
引言：大学生群体中的心理健康挑战日益普遍，而现有的数字干预措施往往难以维持用户的持续参与并提供有意义的情感支持。尽管已有研究对基于人工智能的心理健康聊天机器人接受度有限提出了多种解释，但情感体验的作用仍未得到充分理解。本研究提出一个以情感为中心的框架，探讨不同
引言：大学生群体中的心理健康挑战日益普遍，而现有的数字干预措施往往难以维持用户的持续参与并提供有意义的情感支持。尽管已有研究对基于人工智能的心理健康聊天机器人接受度有限提出了多种解释，但情感体验的作用仍未得到充分理解。本研究提出一个以情感为中心的框架，探讨不同虚拟智能体人设风格（倾听者、指导者和激励者）如何影响大学生对心理健康聊天机器人的心理接纳。
方法：本研究基于行为改变轮（BCW）和技术接受与使用统一理论（UTAUT），构建了一个双路径模型，以考察情感参与在基于人工智能的心理健康聊天机器人接纳中的中介作用。研究收集了266名大学生的数据，这些参与者被随机分配到代表三种虚拟智能体人设风格的基于场景的聊天机器人刺激材料中。研究采用偏最小二乘结构方程建模（PLS-SEM）、人工神经网络（ANN）分析和偏最小二乘多群组分析（PLS-MGA）来检验所提出的关系及人设相关差异。
结果：结果表明，大部分所提出的假设均得到支持。情感参与 emerged 作为连接人设相关特征与心理接纳的核心机制。多群组分析进一步揭示，尽管三种人设条件下的整体接纳机制基本保持一致，但关键关系强度存在显著差异。具体而言，情感参与对行为意向的影响在指导者和激励者条件下显著强于倾听者条件。
讨论：这些发现表明，虚拟智能体人设风格并未从根本上改变心理接纳机制，但可以影响关键情感路径的强度。本研究强调了情感参与在人工智能支持的心理健康互动中的重要性，并为设计更具适应性、情感响应性和以用户为中心的心理健康聊天机器人提供了实践启示。
论文解读
**一、研究背景**
近年来，人工智能与数字技术的快速发展深刻改变了心理健康服务的供给模式。大学生群体作为心理困扰高发人群，其心理健康服务需求与可用资源之间的缺口日益扩大。美国大学健康协会（American College Health Association，ACHA）2024年数据显示，76.4%的大学生报告存在中高水平的压力，35.2%在过去一年内寻求过心理健康服务。数字心理健康干预因其可及性、匿名性和可扩展性而受到广泛关注，其中基于对话的人工智能聊天机器人已成为为大学生等数字原住民群体提供心理支持的有前景的工具。然而，心理健康聊天机器人的采用和持续使用仍然有限。现有研究对影响人机交互结果的因素进行了大量探讨，其中虚拟智能体人设风格（virtual agent persona style）被视为关键设计要素。人设风格通过视觉外观、语言特征、拟人化线索和社会互动策略的组合来影响用户的情绪反应、信任感知和互动体验。然而，以往研究多聚焦于单一设计特征，缺乏对不同人设风格如何影响用户情绪体验及后续接纳行为的系统比较。从理论角度看，现有框架对心理健康聊天机器人互动中用户接纳的解释均存在局限：行为改变轮（Behavior Change Wheel，BCW）通过能力、机会和动机解释行为决定因素，但对情绪体验的洞察有限；情感设计理论（Emotional Design Theory，EDT）解释了情绪反应如何通过本能层、行为层和反思层体验产生，但未直接涉及技术接纳；技术接受与使用统一理论（Unified Theory of Acceptance and Use of Technology，UTAUT）主要关注与技术采纳相关的认知评价，对情感过程的关注相对不足。此外，用户经验（user experience，UX）与行为结果之间的概念区分常被模糊化，信任、支持、参与和接纳等构念频繁互换使用。基于此，本研究采用以情感为导向的视角，整合EDT、BCW和UTAUT，构建一个以情感参与（affective engagement，AE）为核心中介机制的双路径模型，探究三种虚拟智能体人设风格（倾听者、指导者、激励者）对大学生心理健康聊天机器人行为意向的影响。
**二、主要技术方法**
研究人员采用基于场景的实验调查设计。通过问卷星平台，从一所综合性大学招募了336名学生参与，经数据筛选后保留266份有效问卷，随机分配至倾听者组（n=88）、指导者组（n=89）和激励者组（n=89）。参与者均以微信风格聊天截图形式呈现标准化六轮对话场景，主题和结构恒定，仅操纵人设风格相关的沟通方式和反馈策略。量表改编自已发表文献并经过专家评审与预测试。数据分析采用偏最小二乘结构方程建模（partial least squares structural equation modeling，PLS-SEM）检验测量模型与结构模型；人工神经网络（artificial neural network，ANN）分析捕捉非线性关系并评估变量相对重要性；偏最小二乘多群组分析（partial least squares multi-group analysis，PLS-MGA）比较三组间路径系数差异。
**三、研究结果**
**测量模型评估。** 所有构念的因子载荷均高于0.70，Cronbach's α和组合信度（composite reliability，CR）均超过0.70阈值，平均方差提取（average variance extracted，AVE）均大于0.50，表明量表的信度和收敛效度良好。异质-单质比率（heterotrait-monotrait ratio，HTMT）均低于0.85，且各构念AVE的平方根大于其与其他构念的相关系数，满足区分效度要求。全共线性检验显示方差膨胀因子（variance inflation factor，VIF）范围为1.000至2.896，低于3.3的推荐阈值，表明不存在严重多重共线性和共同方法偏差。内生变量情感参与（R2=0.734）和行为意向（R2=0.750）的解释力较强，努力期望（R2=0.479）解释力中等，Stone-Geisser Q2值分别为0.702、0.720和0.562，表明模型具有良好的预测相关性。
**结构模型与假设检验。** 基于5000次自助重抽样，12条假设中有11条获得支持。在情感设计理论框架下，本能层设计（VL→AE，β=0.256，p<0.05）和行为层设计（BL→AE，β=0.188，p<0.05）显著正向影响情感参与，而反思层设计对情感参与的影响不显著（RL→AE，β=0.070，p=0.365），假设H3被拒绝。在行为改变轮框架下，行为能力（CP→AE，β=0.187，p<0.001）、感知机会（OP→AE，β=0.130，p<0.05）和情绪唤起（MO→AE，β=0.215，p<0.05）均正向影响情感参与。在UTAUT框架下，绩效期望（PE→BI，β=0.153，p<0.05）、努力期望（EE→BI，β=0.259，p<0.01）、社会影响（SI→BI，β=0.252，p<0.001）和促进条件（FC→BI，β=0.133，p<0.05）均显著影响行为意向。情感参与对努力期望（AE→EE，β=0.692，p<0.001）和行为意向（AE→BI，β=0.255，p<0.001）均具有显著正向影响。中介分析显示，情绪唤起通过情感参与对行为意向的间接效应显著（β=0.055，p<0.05）。标准化残差均方根（standardized root mean square residual，SRMR）为0.067，表明模型拟合可接受。
**人工神经网络分析。** ANN模型1以本能层设计、行为层设计、能力、机会和情绪唤起为输入变量，情感参与为输出变量，10次运行的训练和测试均方根误差（root mean square error，RMSE）较低（平均值分别为0.0794和0.0706），敏感性分析显示本能层设计相对重要性最高（100.0%），其次为行为层设计（87.6%）、情绪唤起（73.7%）、能力（61.1%）和机会（51.7%）。ANN模型2以情感参与、努力期望、促进条件、社会影响和绩效期望为输入变量，行为意向为输出变量，RMSE同样偏低（平均值分别为0.0747和0.0709），努力期望的重要性最高（100.0%），其次为情感参与（82.2%）、社会影响（67.3%）、绩效期望（40.7%）和促进条件（31.4%）。ANN结果与PLS-SEM路径系数的排序基本一致，从非线性预测视角证实了结构模型的稳健性。
**测量不变性与多群组分析。** 采用组合模型的测量不变性（Measurement Invariance of Composite Models，MICOM）程序，所有构念在三个组间均满足组合不变性要求（原始相关性范围为0.995至1.000，置换p值均大于0.05），支持进行跨组比较。PLS-MGA结果表明，整体接纳机制在三组间基本保持一致，但在关键路径上存在显著差异。倾听者组与指导者组对比中，情感参与对行为意向的影响在指导者组中显著更强（Δβ=?0.353，p=0.024），情绪唤起通过情感参与对行为意向的间接效应在指导者组也更强（Δβ=?0.142，p=0.018）。倾听者组与激励者组对比中，情感参与对行为意向的影响在激励者组显著更强（Δβ=?0.414，p=0.006）。指导者组与激励者组之间未发现显著差异。
**四、讨论与结论**
研究讨论指出，在心理健康干预的情感敏感情境中，大学生对AI心理健康聊天机器人的行为意向并非由单一机制驱动，而是情感驱动路径和认知评价路径共同作用的结果。本能层和行为层的设计线索通过快速情感评价和互动流畅性促进情感参与，而反思层设计的非显著效应可能归因于场景式实验暴露的短暂性——用户更多依赖即时感知印象而非深层反思评估形成情感反应。能力、机会和动机并未直接预测接纳结果，而是通过情感参与间接发挥作用，表明使能条件首先影响用户的情感状态和参与感。UTAUT构念中，努力期望和社会影响对行为意向的关联较强，而绩效期望作用相对较小，说明用户主要将聊天机器人视为情感支持来源而非问题解决工具。多群组分析揭示，指导者和激励者人设比倾听者更能将情感参与转化为行为意向，这可能是因为这两种人设超越了被动的情绪支持，为用户提供了行为方向感。研究结论部分强调，该研究将EDT、BCW和UTAUT整合应用于AI心理健康互动情境，揭示了情感参与作为连接情绪激活、互动体验和行为意向的核心过程机制。理论层面，研究挑战了以效用为中心的传统技术接纳假设，表明在情感脆弱情境中“被理解”的感受与感知有用性同等重要。实践层面，设计者应优先考虑情感可及性，将本能层视觉线索、情感温暖的语言和状态敏感反馈作为核心互动原则；人设设计应被视为情境依赖的系统而非固定风格选择；AI聊天机器人更宜定位为更广泛心理健康系统中的支持性工具而非独立解决方案。研究存在以下局限性：样本仅来自单一大学，可能限制结果的普适性；横断面设计难以捕捉用户反应随时间的变化；自我报告数据虽经全共线性检验但方法方差无法完全排除；情感参与和努力期望之间的方向性关系仍需纵向或实验研究加以确认。
