《Frontiers in Psychiatry》:Narcissistic traits and emotional dependence on large language models among adolescents
编辑推荐:
摘要专业翻译
背景: 本研究考察了青少年自恋特质与大语言模型(large language models, LLMs)情感依赖之间的关联,重点关注焦虑与身体活动的作用。
方法: 于2025年11月对1,622名中国初中生进行了多阶段分层抽样调查。分别采用FFN
摘要专业翻译
背景: 本研究考察了青少年自恋特质与大语言模型(large language models, LLMs)情感依赖之间的关联,重点关注焦虑与身体活动的作用。
方法: 于2025年11月对1,622名中国初中生进行了多阶段分层抽样调查。分别采用FFNI-SF、GAD-2、改编的五条目LLM情感依赖量表和PARS-3评估自恋特质、焦虑、LLM情感依赖及身体活动。研究人员进行了Pearson相关分析及PROCESS模型4和模型7分析(含5,000次Bootstrap重抽样),并采用Johnson–Neyman分析检验交互效应。
结果: 自恋特质与焦虑(r=0.118, P<0.001)及LLM情感依赖(r=0.301, P<0.001)呈正相关,焦虑与LLM情感依赖呈正相关(r=0.146, P<0.001)。身体活动与焦虑(r=?0.119, P<0.001)及LLM情感依赖(r=?0.075, P=0.002)呈负相关。在控制年级和留守状态后,焦虑在自恋特质与LLM情感依赖之间表现出较小的间接关联(Effect=0.011, 95% CI [0.004, 0.020])。自恋特质×身体活动的交互项显著(β=?0.056, P=0.015),当身体活动低于0.73个标准差时,自恋?焦虑关联显著。调节中介指数不显著(Index=?0.0061, 95% bootstrap CI [?0.0130, 0.0001])。
结论: 自恋特质与青少年LLM情感依赖呈正相关,焦虑在其中发挥较小的横断面间接关联作用。身体活动调节了自恋?焦虑关联,但整体调节中介效应未得到支持。
论文解读文章
一、研究背景与问题提出
随着生成式人工智能技术的快速发展,大语言模型已从传统的信息处理工具演变为具有社交互动属性的新型数字媒介。通过自然语言生成、上下文理解和持续交互等能力,LLMs能够提供类似人际交流的反馈体验,并在一定程度上促成准社会互动。既往研究发现,部分青少年通过与AI聊天机器人的长期互动,可能将情感需求投射到技术对象上,形成类似人机依恋的心理联结。虽然这种新型互动模式能提供即时陪伴和情感支持,但过度依赖可能削弱个体在真实社会互动中的主动参与,并与社交退缩、现实感知改变等心理适应问题相关联。
在此背景下,识别与青少年LLM情感依赖相关的关键心理因素及其作用过程,对于理解新兴人机关系模式、促进人工智能健康使用具有重要意义。LLM情感依赖指个体通过使用生成式人工智能而形成的持续性情感联结和心理依附,主要表现为对AI互动价值的高度认可、互动中断时的不适感以及维持互动的持续需求。
自恋特质作为一种与人际互动模式相关的人格因素,可能在LLM情感依赖模式中发挥重要作用。根据自恋的脆弱—夸大双维模型及依恋理论和客体关系理论,自恋倾向较高的个体可能更偏好可控性强、评价风险低的互动环境,以满足自我价值维持和情感支持的需求。与现实人际互动相比,LLMs具有即时响应、高可得性和低社会评价压力等特点,可能为高自恋倾向的青少年提供更安全、更可控的情感沟通环境。
然而,现有研究存在两个关键空白:第一,尽管理论层面暗示了人格倾向的作用,但几乎没有实证研究检验自恋特质是否与青少年LLM情感依赖相关;第二,尚无研究考察可改变的健康行为资源是否与这种人格相关风险的减弱有关。此外,焦虑可能构成自恋特质与LLM情感依赖关联中的重要心理路径。根据人格压力模型、情绪调节理论和补偿性网络使用理论,高自恋倾向个体面对现实互动无法满足自我确认需求时,可能经历更强烈的负性情绪反应,进而倾向于通过AI互动获取情感支持。而身体活动作为一种重要的健康行为,与情绪调节、自我评价和心理适应密切相关,可能调节自恋特质与焦虑之间的关联。
基于上述理论框架,研究人员提出了一个有调节的中介模型,以焦虑为中介变量、身体活动为调节变量,并提出三个假设:H1自恋特质与LLM情感依赖正相关;H2焦虑在自恋特质与LLM情感依赖关系中发挥较小的间接关联作用;H3身体活动调节自恋特质与焦虑之间的关联。
二、研究设计与关键方法
研究人员于2025年11月采用多阶段分层抽样方法,在四个研究地区各选取一所普通初中,从每所学校的七、八、九年级各随机抽取两个完整班级,共24个班级。所有符合条件的学生均被邀请参与,共发放1,857份问卷,经数据质量筛查后保留1,622份有效问卷,有效率为87.35%。参与者年龄10至19岁,平均年龄14.64岁。该研究经武汉体育学院医学伦理委员会批准。
研究采用的关键测量工具包括:FFNI-SF中文简版(15条目)评估自恋特质;改编的五条目LLM情感依赖量表评估情感依赖;GAD-2评估焦虑症状;PARS-3评估身体活动。统计方法上,研究人员使用Pearson相关分析检验变量间双变量关联,采用Harman单因子检验初步诊断共同方法偏差,使用PROCESS宏模型4和模型7分别进行中介分析和有调节的中介分析,以5,000次Bootstrap重抽样估计效应及置信区间,并采用Johnson–Neyman技术识别交互效应的显著性区域。此外,研究人员将有效样本随机分为两个等量子样本,分别进行探索性因子分析和验证性因子分析以检验改编量表的结构效度。
三、研究结果
3.1 共同方法偏差检验
由于所有研究变量均采用自我报告测量,研究人员使用Harman单因子检验作为初步诊断。所有条目同时纳入未旋转的主成分分析,共提取6个特征值大于1的因子,第一个因子解释总方差的21.924%,低于常用的40%标准,表明不存在单一主导因子。
3.2 相关分析
Pearson相关分析显示,自恋特质与焦虑症状呈正相关(r=0.118, P<0.001),与LLM情感依赖呈正相关(r=0.301, P<0.001)。焦虑症状与LLM情感依赖呈正相关(r=0.146, P<0.001),身体活动与焦虑症状(r=?0.119, P<0.001)及LLM情感依赖(r=?0.075, P<0.01)均呈负相关。自恋特质与身体活动无显著关联(r=?0.030, P=0.232)。各显著双变量关联共享约0.6%至9.1%的方差。
3.3 初步人口学分析
初步人口学比较显示,LLM情感依赖在性别和独生子女身份上无显著差异。留守青少年比非留守青少年报告略高的LLM情感依赖水平(t=2.785, P=0.005, Cohen's d=0.151)。年级间也存在较小差异(F=3.005, P=0.050, η2=0.004)。基于这些结果,年级和留守状态被保留为后续模型的协变量。
3.4 焦虑的中介作用
PROCESS模型4分析显示,自恋特质与焦虑症状正相关(β=0.098, SE=0.024, P<0.001),焦虑症状与LLM情感依赖正相关(β=0.110, SE=0.024, P<0.001)。在纳入焦虑后,自恋特质与LLM情感依赖的直接关联仍显著(β=0.288, SE=0.024, P<0.001)。Bootstrap分析表明,通过焦虑的间接关联显著但较小(Effect=0.011, SE=0.004, 95% CI [0.004, 0.020]),焦虑所解释的中介比例约为总效应的3.7%。
3.5 身体活动的调节作用
PROCESS模型7分析显示,自恋特质显著正向预测焦虑(β=0.098, SE=0.024, P<0.001),身体活动显著负向预测焦虑(β=?0.096, SE=0.025, P<0.001)。自恋特质与身体活动的交互项对焦虑有显著负向预测作用(β=?0.056, SE=0.023, P=0.015),表明身体活动显著调节自恋特质与焦虑之间的关系。Johnson–Neyman分析识别出临界值为0.73个标准差,当身体活动低于0.73 SD时,自恋?焦虑关联显著;当身体活动在0.73至3.34 SD范围内时,95%置信区间包含零。调节中介指数为?0.0061(95% bootstrap CI [?0.0130, 0.0001]),因置信区间包含零,整体调节中介效应不显著。敏感性分析采用PARS-3分类标准后,自恋特质×身体活动类别的交互仍显著(F(2, 1614)=4.354, P=0.013),低活动组和中活动组中自恋?焦虑关联显著,高活动组中不显著。
四、讨论与结论
研究发现自恋特质与LLM情感依赖显著正相关,表明人格因素可能参与塑造青少年与人工智能互动的心理倾向。高自恋特质个体对自我价值和外部评价更为敏感,LLMs提供的高可得性、即时响应和低社会评价风险环境可能成为满足其特定心理需求的新型互动对象。焦虑在自恋特质与LLM情感依赖之间发挥较小的间接关联作用,约占总效应的3.7%,表明LLM情感依赖不仅与人格特质直接相关,还与情绪体验的心理过程相关,支持了补偿性使用理论在生成式人工智能情境中的适用性。身体活动显著调节自恋特质与焦虑的关联,较高水平的身体活动与自恋?焦虑正关联的减弱相对应,提示身体活动可能通过增强自我效能感、积极身体体验和真实社会互动机会,帮助青少年发展更稳定的自我评价系统。然而,由于横断面设计,这些结果应被解释为统计关联模式而非因果证据。
研究结论指出,LLM情感依赖与人格倾向和心理过程等多重因素相关,但效应量普遍较小。自恋特质与LLM情感依赖呈小到中等程度的正相关,焦虑在其中发挥约3.7%的小幅间接关联作用。较高水平的身体活动与自恋?焦虑关联的减弱相对应。该研究将人格因素、情绪过程和健康行为纳入生成式人工智能使用的研究框架,拓展了传统技术依赖研究的解释范式。从实践角度看,预防LLM情感依赖不应局限于技术限制,还应关注青少年的心理需求、情绪调节能力和现实社会支持资源。