生成式人工智能伴侣的情绪响应风格如何塑造适应性情绪调节与短期AI依赖

《Frontiers in Psychology》：How emotional response styles of generative AI companions shape adaptive emotion regulation and short-term AI reliance

　　

引言：生成式人工智能（GenAI）伴侣越来越多地以认可、安慰、重新框架和个性化指导来响应用户的负面情绪。然而，即时的情绪缓解并不能建立改善的独立情绪调节或情绪依赖。
方法：在一项针对380名成年人的双条件随机实验中，研究人员比较了适应性调节导向响应与关系性安慰导向响应。研究人员评估了即时负面情绪、情绪调节自我效能、独立编码的策略质量、随后的无AI任务中的情感恢复、感知的AI情感必要性以及短期AI依赖意向。
结果：两种响应风格均显著降低了即时负面情绪，但两种条件之间的缓解差异不显著（b = 0.055, p = 0.323）。适应性调节导向响应与更高的情绪调节自我效能（b = 0.500, p < 0.001）、更好的独立编码策略质量（b = 0.353, p = 0.009）和更大的无AI情感恢复（b = 0.279, p < 0.001）相关。关系性安慰导向响应与更高的感知AI情感必要性（b = 1.010, p < 0.001）和更强的短期AI依赖意向（b = 0.628, p < 0.001）相关。Bootstrap间接效应模型与通过自我效能的适应性路径（间接效应 = 0.279, 95% CI [0.171, 0.402]）和通过感知AI必要性的依赖相关路径（间接效应 = 0.375, 95% CI [0.264, 0.501]）一致。由于中介-结果关联未经随机化，这些模型不能确立因果中介作用。
讨论：研究结果表明一种“即时缓解-随后分化”的模式：类似的安慰响应可能在引导用户走向独立调节还是继续访问AI方面有所不同。依赖结果属于短期的、状态性的信念和意向，不应被解释为情绪依赖。

生成式人工智能（GenAI）伴侣已不再是单纯的信息检索工具，而是越来越多地参与用户的情绪生活。用户会向它们倾诉失望、孤独、人际冲突和日常压力，而系统则能以认可、安慰、重新框架和个性化建议作出即时回应。然而，情绪调节理论认为，个体影响情绪发生、强度、持续时间和表达的能力，并不能仅仅因为一次支持性的对话就得到提升。即时缓解可能让人感到舒适，却未必能转化为用户独立调节情绪的能力。该研究关注的核心问题是：同为温暖且支持性的响应，是否会产生不同的后续心理定向——适应性调节导向可能增强用户的独立调节能力，关系性安慰导向则可能强化用户对AI的再次访问期待。

为此，研究人员在《Frontiers in Psychology》上报告了一项双条件随机实验。380名来自中国广州的成年参与者被随机分配至适应性调节导向或关系性安慰导向的AI响应条件，完成三轮对话，并接受一系列情绪与认知测量。结果显示，两种响应风格均显著降低了即时负面情绪，且缓解程度没有条件差异；但适应性调节导向条件在情绪调节自我效能、独立编码的策略质量和无AI条件下的情感恢复上显著优于关系性安慰导向条件，而关系性安慰导向条件在感知AI情感必要性和短期AI依赖意向上显著更高。这一“即时缓解—随后分化”模式表明，情绪支持的内部组织方式比单纯的温暖程度更值得关注。

在技术方法层面，研究人员使用GPT-5.5模型搭建中文对话界面，两种响应风格通过系统提示词实现，并在正式实验前借助80名成人试测确保操纵有效性。被试招募通过问卷星、校园邮件列表和广州商学院的通知完成，最终纳入380名有GenAI使用经历的成年人。研究在对话前后重复测量负面情绪，并对随后的无AI标准化任务进行盲态评分；统计上采用线性混合效应模型、回归/ANCOVA以及Bootstrap间接效应模型，同时配合内容重叠和保真度敏感性分析。

### 3.1 参与者流程、数据质量与随机化平衡

428人打开研究链接，407人提供知情同意，396人完成实验序列。按照预先标准排除16例后，最终分析样本为380人，每组190人。参与者年龄范围18.0至48.2岁，女性占57.1%。随机化平衡检验显示基线负面情绪差异接近显著（p = 0.053），研究人员将其作为精度协变量纳入后续模型，以保证估计的稳健性。

### 3.2 测量质量与结构区分度

所有焦点多题量表的内部一致性良好，McDonald‘s ω介于0.84至0.90，Cronbach’s α介于0.83至0.90。盲态编码的策略质量评分表现出良好的评分者间信度（ICC(2,k) = 0.87）。预先设定的三因子模型（自我效能、感知AI必要性、短期AI依赖意向）拟合良好（CFI = 0.974，RMSEA = 0.034），且优于二因子或单因子模型，HTMT值均低于0.85，支持三个构念的可区分性。

### 3.3 操纵检验与响应保真度

操纵检验表明，适应性条件参与者感知到更多调节指导，安慰性条件参与者感知到更多关系性安慰，而两组在温暖、共情、帮助性、自然性和感知响应长度上无显著差异。转录保真度编码显示，95.3%的适应性转录和95.8%的安慰性转录达到完整保真阈值，且没有转录包含排他性、意识宣称、阻止人类支持或临床诊断等禁止内容。这说明后续条件差异可归因于响应导向本身，而非整体响应质量的差异。

### 3.4 即时情绪缓解与无AI情感恢复

线性混合效应模型显示，从T₀到T₁，时间主效应显著（b = -1.668, p < 0.001），时间×条件交互不显著（b = 0.055, p = 0.323），说明两种响应风格都带来了相当程度的即时缓解。在后续无AI任务中，T₂-pre负面情绪在两组间无差异，但适应性条件在T₂-post降得更低，调整后的情感恢复差异显著（b = 0.279, p < 0.001）。这一分离强调了即时舒适与后续独立调节能力不能相互等同。

### 3.5 适应性调节与短期依赖结果

适应性调节导向条件在情绪调节自我效能（b = 0.500, p < 0.001）、盲态编码策略质量（b = 0.353, p = 0.009）和无AI情感恢复（b = 0.279, p < 0.001）上显著占优；关系性安慰导向条件在感知AI情感必要性（b = 1.010, p < 0.001）和短期AI依赖意向（b = 0.628, p < 0.001）上显著更高。所有效果经Holm校正后仍稳健。这些结果说明，同样温暖的响应可以在“支持用户自己的调节”与“促使用户再次依赖AI”之间产生不同的定向。

### 3.6 间接效应分析

Bootstrap间接效应模型显示，适应性条件通过自我效能影响策略质量的间接效应为0.279（95% CI [0.171, 0.402]），关系安慰条件通过感知AI必要性影响短期依赖意向的间接效应为0.375（95% CI [0.264, 0.501]）。由于中介变量未被随机化，这些估计不能被视为因果中介，但观测协方差结构与理论路径一致。

### 3.7 稳健性、内容重叠和探索性行为证据

保真度受限分析和扩展协变量模型的结果与主分析非常接近，最大的非标准化系数变化为0.015。移除最接近操纵内容的项目后，三个自我报告效应减弱但未消失，说明语义重叠部分贡献了效应量，但并非全部。探索性的“再次请求AI响应”选择在条件间差异不显著（OR = 1.51, p = 0.063），因此该行为证据不具结论性，无法被解读为依赖或成瘾的证据。

讨论部分指出，该研究不能证明情绪依赖的存在，因为一次三回合的交互只能改变近端信念和意向，无法构成稳定依赖。设计上，温暖但有限的情绪支持更值得追求：将情感确认与情绪标签、有限度的重新评估、可执行的自选行动和能动性提示相结合，有助于避免强化感知必要性。对于关系性安慰中的持续可用性线索，即使在单条消息中无害，重复暴露也可能提升用户对AI的感知依赖。研究局限性包括单次简短交互、广州本地样本、单一文本模型、短时近迁移任务以及未进行真正纵向追踪。未来研究应采用延迟评估、经验取样、行为日志和实际求助记录，以检验迁移和持久性。

结论部分可以翻译为：情绪支持型GenAI伴侣不应仅仅基于是否让困扰中的用户当下感觉更好来评估。在这项随机比较中，适应性调节导向和关系性安慰导向响应产生了相似的即时情绪缓解，但后续特征不同。适应性响应与更强的自我效能、更好的无AI调节任务表现和更大的任务内情感恢复相关；关系性安慰与更高的感知AI情感必要性和更强的短期依赖意向相关。这些结果涉及即时支持后定向，而非情绪依赖。间接效应模型与不同的自我效能和必要性路径一致，但本身不能确定因果中介。因此，负责任的评估框架应考虑即时情感收益、近迁移表现、感知必要性和纵向行为，同时区分短期依赖相关意向与持续依赖。