利用大语言模型进行虚拟认知行为疗法干预大学生学业焦虑:一项初步随机试验

《Frontiers in Public Health》:Harnessing large language models in virtual CBT for university students’ academic anxiety: a preliminary randomized trial

【字体: 大 中 小 】 时间:2026年08月28日 来源:Frontiers in Public Health 4.1

编辑推荐:

  学业焦虑是大学生群体中常见的心理健康问题,常与学习效率下降及抑郁风险增加相关。认知行为疗法(CBT)具有确凿的证据基础,但在大学环境中的应用仍受限于治疗师可及性、时间及物理空间等因素。为探索数字化辅助干预的新途径,本研究整合了虚拟现实(VR)、大语言模型(LL

  
学业焦虑是大学生群体中常见的心理健康问题,常与学习效率下降及抑郁风险增加相关。认知行为疗法(CBT)具有确凿的证据基础,但在大学环境中的应用仍受限于治疗师可及性、时间及物理空间等因素。为探索数字化辅助干预的新途径,本研究整合了虚拟现实(VR)、大语言模型(LLM)及检索增强生成(RAG)技术,基于CBT原则开发了LLM-VR-CBT系统,并初步检验其对大学生学业焦虑的短期干预效果。本研究采用三臂随机对照设计,共纳入60名存在学业焦虑的大学生,随机分配至LLM-VR-CBT组、传统CBT组或最低支持对照组,每组20人,干预持续4周。线性混合效应模型结果显示,学业焦虑和心率存在显著的组别×时间交互作用。LLM-VR-CBT组和传统CBT组的学业焦虑及心率下降幅度显著大于最低支持对照组,而两个积极干预组之间的变化差异未达到统计学显著性。皮肤温度未显示显著的组别×时间交互作用。这些发现提示,LLM-VR-CBT系统可能有助于短期降低大学生的学业焦虑。由于本研究为小样本、短期的探索性试验,且不良事件未作为预设安全性终点进行系统收集,未来需开展更大样本、多中心、长期随访及预设安全性监测的研究,以进一步评估该系统的稳定性、安全性、可行性及应用边界。
**论文解读:基于大语言模型的虚拟认知行为疗法对大学生学业焦虑的干预效果——一项初步随机试验**

**研究背景与问题**

学业焦虑是高等教育环境中大学生常见的心理困扰,主要表现为对学习、考试和学术评价情境的过度担忧、紧张、消极认知及回避行为,并可能伴随学业表现下降、睡眠问题、社交功能受损及抑郁风险增加。心理机制层面,灾难化思维、自我否定、适应不良的情绪调节策略及低学业自我效能感被认为与学业焦虑密切相关。认知行为疗法(CBT)通过认知重构、暴露练习、行为激活和问题解决训练帮助个体识别并调整非理性信念,从而减少回避与拖延行为。然而,在大学心理健康服务中,传统面对面CBT受限于治疗师数量、时间、空间及心理疾病污名化等因素,学生主动求助和持续参与存在困难。

数字化CBT、虚拟现实(VR)和虚拟代理技术为提升干预可及性和情境适应性提供了新可能。已有研究表明,基于互联网的CBT和数字化CBT能为大学生焦虑问题提供一定支持;VR通过可控、可重复、具临场感的虚拟环境支持暴露训练,已应用于特定恐惧症、社交焦虑、演讲焦虑及考试焦虑等场景;虚拟代理和具身对话代理通过语音、面部表情和非言语反馈增强互动感和参与度。然而,现有VR-CBT或虚拟代理干预常依赖预设脚本和固定任务流程,难以灵活适应用户的实时表达和特定学业压力主题,也难同时覆盖考试、论文写作、课堂展示、拖延和自我否定等多种学业压力情境。

**研究目的与设计**

大语言模型(LLM)和检索增强生成(RAG)技术为解决上述问题提供了新途径。LLM在自然语言理解、情感支持和个性化回应方面展现出应用潜力,RAG可将生成内容锚定于外部知识库,提高回应与专业知识及具体情境的相关性。本研究旨在将LLM-RAG支持的虚拟代理、VR学业压力情境与CBT流程整合为结构化系统,并通过三臂随机对照试验(RCT)初步检验其对大学生学业焦虑的短期干预效果。研究采用3(干预条件:LLM-VR-CBT组、传统CBT组、最低支持对照组)×2(时间:前测、后测)混合设计。通过性别和焦虑严重程度分层随机化,按1:1:1比例分配,共纳入60名大学生,每组20人。干预持续4周,每周1次,每次50分钟。主要结局指标为学业焦虑量表(AAS)得分,次要指标包括平均心率和平均皮肤温度(采用Empatica E4腕带采集)。研究经武汉工程大学伦理委员会批准,为单中心、小样本探索性试验,未进行前瞻性注册。

**关键方法**

研究采用了三臂平行随机对照设计。参与者从武汉某高校招募,经AAS筛查、面谈和VR适应性测试后纳入。线性混合效应模型(LMM)用于分析组别、时间及交互作用,以参与者ID为随机截距,采用最大似然估计。固定效应采用Type III检验,显著性交互后使用估计边际均值进行事后比较,并用Holm法校正多重比较。LLM-VR-CBT系统基于ERNIE Bot 4.0作为基座模型,结合RAG技术构建知识库,涵盖学业焦虑理论、CBT技术专业材料及专家访谈对话语料。系统遵循“用户输入识别—知识库检索—提示模板约束—LLM生成—安全规则审查—反馈输出”流程,包含认知重构、虚拟暴露、行为激活和情绪调节四个核心模块。虚拟代理使用MetaHuman Creator生成,导入Unreal Engine 5场景,支持语音、文本和非言语反馈。传统CBT组由经验丰富的持证心理咨询师按照标准化手册实施面对面干预。最低支持对照组仅每周收到一条“学业健康贴士”,不接受结构化心理干预。

**研究结果**

**描述性统计**:前测时三组在学业焦虑、平均心率、平均皮肤温度上基线水平相近。干预后,LLM-VR-CBT组和传统CBT组的学业焦虑分数均下降,而最低支持对照组变化很小;平均心率在积极干预组下降,对照组无下降趋势;皮肤温度三组变化均微小。

**学业焦虑分数**:线性混合效应模型显示,时间主效应显著(F(1,60)=50.348, p<0.001),组别×时间交互作用显著(F(2,60)=10.998, p<0.001, 部分η2=0.268)。事后比较显示,LLM-VR-CBT组比对照组下降更多(估计值=-3.55, 95%CI [-6.03,-1.07], p=0.011),传统CBT组比对照组下降更多(估计值=-5.60, 95%CI [-8.08,-3.12], p<0.001),而LLM-VR-CBT组与传统CBT组之间差异不显著(估计值=2.05, 95%CI [-0.43,4.53], p=0.103)。

**平均心率**:时间主效应显著(F(1,60)=55.163, p<0.001),组别×时间交互作用显著(F(2,60)=26.252, p<0.001, 部分η2=0.467)。LLM-VR-CBT组心率下降显著大于对照组(估计值=-6.15, 95%CI [-8.38,-3.92], p<0.001),传统CBT组也显著大于对照组(估计值=-7.35, 95%CI [-9.58,-5.12], p<0.001),两积极组间差异不显著(估计值=1.20, p=0.287)。

**平均皮肤温度**:时间主效应不显著(F(1,60)=1.476, p=0.229),组别×时间交互作用不显著(F(2,60)=0.291, p=0.748)。事后比较无任何组间差异显著,表明皮肤温度未显示干预相关变化。

**研究总结**:LLM-VR-CBT组和传统CBT组在学业焦虑和平均心率上的改善均显著优于对照组,而两积极干预组间无显著差异。由于未预设等效性或非劣效性界值,不能据此推断两干预等效。皮肤温度未显示显著效应。

**讨论与结论**

本研究表明,LLM-VR-CBT系统作为一种整合LLM-RAG虚拟代理、VR学业压力情境和结构化CBT模块的多组件干预包,可能对大学生学业焦虑产生短期积极效果。但观察到的效应应归因于整个干预包,而非LLM单独作用。系统通过认知引导、情境暴露和支持性互动支持干预,但未直接测量认知重构程度、回避行为变化、自我效能感、临场感、满意度、参与度等过程指标,因此机制解释仅为理论假设。研究局限性包括:单中心、小样本、短期随访、未前瞻性注册、对照组在接触时间等非特异性因素上未完全匹配、AAS中文版未独立验证、未系统收集不良事件等安全终点。未来需更大样本、多中心、长期随访、预设安全性监测及过程指标测量,以全面评估系统稳定性、安全性和应用边界。结论认为,LLM-VR-CBT系统为学业焦虑提供了数字化辅助干预的初步证据,拓展了虚拟代理在学业焦虑干预中的应用,并推动数字CBT从固定脚本交互向情境化、个性化和具身化形式发展。但只有在完成更大规模研究后,该系统才可考虑作为大学心理健康服务中的辅助支持工具。该论文发表于《Frontiers in Public Health》。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号