人工智能在青少年同伴支持中的作用：一项关于人类和人工智能生成响应偏好的研究

文献标题

《The Role of AI in Peer Support for Young People: A Study of Preferences for Human- and AI-Generated Responses》

文献信息

• 主题领域: 人工智能在青少年心理健康支持中的应用
• 关键词: 人工智能 (AI), 聊天机器人, 大型语言模型 (LLM), 人机交互 (HAII), AI调解式沟通 (AI-MC), 心理健康, 同伴支持, 社会支持, 青少年

研究背景与问题

• 问题与挑战:
  • 青少年越来越依赖线上平台寻求心理健康支持，但提供支持的同伴常常因为缺乏经验或边界感而打退堂鼓。
  • 新兴的生成式人工智能（例如 ChatGPT 和大型语言模型）迅速嵌入日常技术，可能会对这一领域带来重要影响，但其潜力和局限性尚需被深入研究。
• 重要性:
  • 青少年心理健康问题的普遍性，比如抑郁和焦虑已成为显著的青少年健康挑战，人工智能可能为提供支持和降低障碍提供一个可行的解决方案。
  • 自杀、焦虑等敏感话题的支持交流需要社会认知与伦理方面的深入考虑。
• 研究动机与相关工作:
  • 现有研究发现社交媒体支持交流的好处包括匿名性、易用性、即时性以及联结相似经历者的能力。
  • 生成式人工智能已显示出帮助人类提供更具同情心反应的潜力（例如特定的平台如 Crisis Text Line），但其仍存在误解人类情感细微差异以及可能引发算法歧视等缺点。

研究目的与研究问题

作者提出了以下两大研究问题（RQ）：

1. 青少年对于人类和AI生成的帮助回应的偏好是什么？
2. 青少年的偏好如何根据初始寻求帮助信息的主题（如关系、抑郁倾向、自我表达或身体健康）而发生变化？

解决方案

• 方法论:
  • 调查622位年龄在18-24之间的青少年，通过在线问卷考察他们对四种支持回应来源（AI、同伴、成人导师和临床心理师）的偏好。
  • 四类寻求帮助场景：关系问题、自杀倾向、自我表达困难、身体健康问题。
  • 使用定量问卷（类似于“我喜欢这个回应”）结合开放式问题以了解背后原因，同时采用盲测设计以减少来源偏见。
• 数据分析策略:
  • 采用相关性分析、方差分析（ANOVA）以及定性主题分析以提取青少年偏好的深层逻辑。

实验结果与分析

定量结果

1. 总体偏好:

   • 成人导师生成的回答表现最佳，其次为AI生成回答，而同伴生成的回答是最不受欢迎的。
   • 无论回应来源如何，青少年认为“问题较少”和“回答较有帮助”的回答间存在正相关，其中AI尤其在“关系、自我表达和身体健康”相关话题表现突出。

2. 不同话题的差异:

   • 关系问题: 青少年优选AI生成的回应，认为它更具建设性和共情力，比其他回答更温和而具体。
   • 自杀倾向: 在这一敏感话题中，成人导师生成的回答最受欢迎，其表现出明显的关怀，并引导寻求进一步互动。AI生成的回答由于直接推荐寻求专业帮助，被认为较冷漠。
   • 自我表达: AI生成的回答由于帮助增加信心和提供切实可行建议而备受喜爱。
   • 身体健康: AI生成的回答再次占据主导地位，参与者认为它能够准确捕捉问题并提供综合建议。

定性结果

从开放式回答中提取以下主题：

• AI的特点: 参与者欣赏AI提供的关怀、具体建议以及鼓励性的语气。AI回答被形容为“理解”和“无评判性”。
• 成人导师的优势: 被认为能够真正倾听并提供基于生活经验的建议。
• 同伴与心理师的局限: 同伴的回答常被认为“太简短”，缺乏深入性；心理师的回答被认为过于专业，在朋友间的互动中显得不自然。

研究成果

• 主要结论:
  • AI生成的回答在处理非敏感话题（关系、自我表达、身体健康）时特别受青少年欢迎。
  • 在自杀等敏感话题上，人类生成的回应显得更为优越，尤其是成人导师。AI应该作为辅助工具而非完全替代解决方案。
• 优势与意义:
  • 此研究为AI在心理健康支持中的角色提供了实证支持，显示AI在年轻人的互联网交流中可以占据重要席位。
  • 提供了设计AI支持工具以优化共情性和可信赖感的具体方向。
• 局限性与未来方向:
  • 样本可能不代表整个美国年轻群体，可扩展到更广泛的人群进行研究。
  • 更多动态交互场景的实验需进一步补充，而非仅仅静态问卷环境。
  • 需探索如何实时监测AI生成的不适取向及产生某些不安全效应时的解决方法。
  • 后续研究可调查当参与者知道生成内容是由AI生成时的信任程度变化。

实际意义与设计建议

1. 为人类支持者提供辅助训练工具: AI可向同伴或导师提供经过优化的支持建议，帮助他们增加同情心和交流能力。
2. 个性化与透明性: 研究如何调整AI的设计以更好地理解青少年需求，同时提升向用户解释其逻辑的能力。
3. 敏感情境中的伦理设计: AI在处理自杀倾向等话题时的应答内容和转介逻辑需要额外审慎。
4. 长期效应研究: 监测AI与人类交互是否对心理健康带来积极或消极影响。

结论

生成式人工智能在青少年心理健康支持领域具有巨大潜力，但需注意敏感问题。同时，AI应该更多地被视为一种辅助人类的工具，而非替代解决方案。