问题提出

LLM 聊天机器人正被年轻人当作日常社会支持来源——倾诉情绪、求客观建议、排解孤独。但两个关键问题一直悬着：① 没有针对通用 LLM 聊天「社会支持型使用动机」的成熟测量工具——已有研究要么只看工具性使用（查资料、办公），要么只盯陪伴类专用产品（如 Replika），通用聊天机器人为什么被当「人」用，动机结构是空的；

② 这些动机经由什么交互过程，连到一好一坏两个心理结果（韧性 vs AI 依赖）？同一次使用为何既疗愈又致瘾，机制没有被完整建模过。

难点剖析

难点有三：① 得先造尺子——从社会支持理论出发，经「理论出题 + 深度访谈 + EFA/CFA」全流程开发并验证新量表；

② 「交互」不能再用一个笼统的「使用频率」——要拆成体验质量（感知真实性：交换显得真诚、有社会意义）与行为深度（互动强度：聊得久、聊得细）两个不同构念，并证明二者实证可分；

③ 结果端一好一坏（韧性↑ 与依赖↑ 可能同源），需要完整结构模型区分直接、间接与序列中介路径，还要控制依恋焦虑、感知社会支持等人格-环境变量，排除「本来就是心里苦」的替代解释。

理论脉络

理论拼图三块：① 社会支持理论（Cohen & Wills 缓冲假说）——他人支持是抗压资源，能提升韧性与幸福感，把它搬到人机场景是本文的核心类比；

② CASA「计算机是社会行动者」+ 拟人化研究——人形与共情线索会激活人际脚本，让用户把交换当「社会性相遇」；感知真实性由此区别于信任与拟人化（Li et al., 2024 发现它才是聊天机器人接受度的中介，拟人化不是）；

③ 技术悖论视角（Mick & Fournier, 1998）——同一技术可同时生成矛盾体验与结果，本文「韧性↑ + 依赖↑」正是该悖论在人机交互中的实证呈现。

理论模型

两研究递进。研究一（量表开发）三阶段：理论驱动出题（社会支持四类型 + 娱乐/情绪转换）→ 7 人深度访谈质性验证并扩展（析出 11 个动机侧面）→ EFA/CFA 精简为 8 因子 40 题的 MS-GAI。研究二（结构模型，见模型图）：8 种动机 → 两个交互层构念（感知真实性 PA；互动强度 II；PA→II）→ 两个心理结果（韧性 RS；AI 依赖 AID）。假设网络：H1a–h（动机→PA）、H2a–h（动机→II）、H3（PA→II）、H4a/b 与 H5a/b（PA、II→RS/AID）、H6a–f（经 PA、经 II 及「PA→II」序列的间接路径）。

研究假设

RQ1：年轻人向 LLM 聊天机器人寻求哪些类型的社会支持？ RQ2：这些社会支持型动机与感知真实性、互动强度的关联有多大？ H1：使用动机与感知真实性正相关（H1a–h 分动机检验）。 H2：使用动机与互动强度正相关（H2a–h 分动机检验）。 H3：感知真实性与互动强度正相关。 RQ3：感知真实性与互动强度是否同时关联韧性与 AI 依赖？ H4a/H4b：PA → 韧性（+）/ → AI 依赖（+）。 H5a/H5b：II → 韧性（+）/ → AI 依赖（+）。 H6a–H6f：动机经 PA、经 II、以及「PA→II」序列路径间接关联 RS / AID。

分析策略

量化主线：研究一 EFA（分样本 n=150）+ CFA（全样本 N=300，CB-SEM，ML 估计）；研究二 PLS-SEM（SmartPLS 4，路径加权方案，5000 次 bootstrap），控制年龄、性别、感知社会支持、依恋焦虑四个协变量以隔离动机效应；中介分析采用 Zhao et al. (2010) 框架，报告直接/间接/总效应并区分「互补（部分）中介」与「仅间接中介」；全共线性诊断用 Kock 的 full collinearity VIF；稳健性检验用 CB-SEM 复跑结构模型；性别差异用基于置换检验的多组分析（MGA）。质性辅线：7 人半结构化访谈（2025-08），三位研究者共识编码（演绎 SST + 归纳），主题饱和后停采。

数据收集

韩国年轻人调查（2025 年）。滚雪球抽样招募，筛选条件为有规律、有实感的 LLM 聊天机器人使用经验；问卷设注意力检测题，任何一题不过即剔除。访谈子样本 7 人（19–34 岁，2025-08-01 至 08-04，面访或 Zoom，有偿，全程录音逐字转录），达到主题饱和即停止招募。正式问卷最终 N=300。

研究样本

N=300 名韩国年轻成人：平均年龄 28.59 岁（SD=4.39），男女各半（50.0%/50.0%）。研究一以分样本 n=150 做 EFA、全样本 N=300 做 CFA；研究二的结构模型在同一 N=300 上估计。

测量工具

① 自编 MS-GAI 动机量表：8 因子 40 题，7 点 Likert——情感支持（ES）、工具支持（IS）、信息搜寻（INF）、客观建议寻求（OAS）、娱乐/情绪转换（EMD）、学习辅助（LA）、日常问题解决（DPS）、自我提升（SE）；

② 感知真实性（PA）：4 题，改编自感知共情与中介交互状态真实性研究；

③ 互动强度（II）：交互的行为深度与时间广度自陈题（超出登录次数的深聊指标）；

④ 韧性（RS）：改编为「AI 交互后的短期恢复感」；

⑤ AI 依赖（AID）：依赖自陈量表；

⑥ 控制变量：年龄、性别、感知社会支持、依恋焦虑。

信效度检验

测量质量扎实：CFA 八因子模型拟合可接受（χ²(791)=1968.190, χ²/df=2.488, CFI=.912, TLI=.904, RMSEA=.070, SRMR=.052）；内部一致性：研究一 α=.86–.98、CR=.86–.97，研究二 α=.857–.961（全部 >.70）；AVE=.67–.81（全部 >.50），Fornell–Larcker 与 HTMT（<.85）双达标；性别测量不变性（MICOM + 置换检验）通过。结构模型：PLS 全共线性 VIF 低于 Kock 阈值 3.3，SRMR=.055 可接受；CB-SEM 稳健性复检 χ²/df=2.10, CFI=.912, TLI=.904, RMSEA=.06, SRMR=.051 全达标。解释力高：R² 韧性=.739、AI 依赖=.544、互动强度=.570、感知真实性=.463。

假设检验

路径系数（PLS-SEM，5000 bootstrap）：

H1 部分成立：ES→PA β=.320（p<.001）、SE→PA β=.282（p<.001）、OAS→PA β=.250（p<.001）显著；IS（β=.010, p=.889）、INF（β=.046, p=.563）、EMD（β=−.005, p=.936）→PA 不显著（H1b/H1d/H1e 拒）——「情感安抚、自我反思、求客观建议」让交互显得真实，纯任务型动机不会。

H2 部分成立：ES→II β=.202（p<.001）、LA→II β=.168（p=.003）、SE→II β=.148（p=.025）、EMD→II β=.134（p=.015）、DPS→II β=.109（p=.041）显著；IS、INF、OAS→II 不显著。

H3 成立：PA→II β=.328（t=5.28, p<.001）——「觉得真」推高「聊得深」，并为不直接触达 II 的动机提供间接通道。

H4/H5 全成立：PA→RS β=.167（p<.01）、PA→AID β=.175（p<.01）；II→RS β=.254（p<.001）、II→AID β=.321（p<.001）。关键不对称：II 对 AID 的关联（.321）明显强于 PA（.175）——把人推向依赖的是「聊得勤」，不是「觉得真」。

H6 成立（分模式）：ES 呈互补（部分）中介——直接效应（RS β=.376, p<.001；AID β=.332, p<.001）与间接效应（经 PA：RS .054、AID .056，均 p<.05；经 PA→II 序列：RS .027、AID .034，均 p<.05）并存；SE、OAS、LA 对至少部分结果呈「仅间接中介」——不直接改变结果，全靠交互层转手。

研究结论

一句话：同一个 AI 聊伴，同时通向疗愈与依赖。情感支持、自我提升、客观建议这类动机让交互显得「真实」，「真实感」再推高聊天的深度与频次；深度使用既带来短期心理恢复感（韧性↑），也同步抬升 AI 依赖（↑）——且推依赖的主力是互动强度（β=.321），不是真实性（β=.175）。这与「技术悖论」完全一致：同一过程同时产出适应性与不良后果。给设计者与政策制定者的提示：保留 AI 的情感支持价值，但必须内置依赖防线——使用节制设计、依赖预警、高危话题转介人类专业支持；AI 是人类关怀的补充，不是替代。

研究局限

① 样本限于韩国 20–30 多岁年轻人（集体主义文化背景），跨文化、跨年龄段、跨职业/教育群体外推受限；

② 自陈数据：共同方法偏差、社会期许与回忆偏差；「韧性」测的是 AI 交互后的短期自我报告恢复，与情感支持动机、PA 概念上接近（HTMT<.85 通过但可能部分抬高关联）；

③ 控制变量非穷尽：未测完整人格、孤独感与基线心理健康——先存心理困扰可能同时催生支持型动机与依赖；

④ MS-GAI 属初步探索：访谈中识别的「心理安全型自我表达」因统计简约性未入最终量表；

⑤ 横截面设计：不能下因果结论，甚至可能反向（基线韧性低者更主动把 AI 当补偿性社会资源）。

未来展望

跨文化、跨年龄段、跨职业/教育群体的多组比较；纳入客观行为数据（AI 使用日志、对话记录）与实验设计直接操纵 AI 提供的支持类型；采用与预测变量更可分的结果测量；纵向设计捕捉韧性/依赖的长期演化、非线性关系与双向因果；补测人格、孤独感、基线心理健康等控制变量；扩展 MS-GAI 纳入心理安全型自我表达等新动机维度。

金句

把 AI 聊伴推上「依赖」位置的，不是你觉得它多真实，而是你聊得多勤——韧性和依赖，走的是同一条路。

— 研究模型图

欢迎关注我的视频号

（❤️会不定期更新AI工具哦❤️）

三连一下，不失联！