AI心理前沿早报｜2026-10-29

BlisseMind Insight AI心理前沿

今日导读

• 摘要研究：高职学生人工智能素养与自评复杂问题解决能力相关，学校技术支持越强关联越明显

  这项研究把人工智能素养放进职业教育的能力框架里，提示学校的技术支持环境可能影响学生使用人工智能时的认知负荷和系统性思维。

• 摘要研究：人工智能旅行规划中，控制权如何分配可能影响用户是否愿意再次使用

  该研究把“控制权”视为人工智能产品的设计变量，并用认知重评、表达抑制这两个情绪调节概念解释用户反应，对人工智能心理陪伴类产品的交互设计有参照意义：用户是否感到自己可掌控，可能影响其情绪加工和继续使用的意愿。

• 观点文章：人工智能在精神科可用于文书与数据研究，直接治疗的证据仍属初步

  这篇摘要的价值在于把“人工智能能否治疗精神疾病”拆成两个可分别核验的问题：行政与数据效率，和直接治疗有效性。

今日三项重点

1. 摘要研究：高职学生人工智能素养与自评复杂问题解决能力相关，学校技术支持越强关联越明显

这项研究把人工智能素养放进职业教育的能力框架里，提示学校的技术支持环境可能影响学生使用人工智能时的认知负荷和系统性思维。

依据：Frontiers in Psychology 摘要：AI literacy and vocational students’ complex problem-solving skills

2. 摘要研究：人工智能旅行规划中，控制权如何分配可能影响用户是否愿意再次使用

该研究把“控制权”视为人工智能产品的设计变量，并用认知重评、表达抑制这两个情绪调节概念解释用户反应，对人工智能心理陪伴类产品的交互设计有参照意义：用户是否感到自己可掌控，可能影响其情绪加工和继续使用的意愿。

依据：Journal of Hospitality and Tourism Insights 摘要：How control allocation in AI-enabled travel planning shapes reuse intention

3. 观点文章：人工智能在精神科可用于文书与数据研究，直接治疗的证据仍属初步

这篇摘要的价值在于把“人工智能能否治疗精神疾病”拆成两个可分别核验的问题：行政与数据效率，和直接治疗有效性。

依据：PubMed 收录：BJPsych Open

AI心理行业动态

摘要研究：高职学生人工智能素养与自评复杂问题解决能力相关，学校技术支持越强关联越明显

本期关注｜问卷研究摘要｜来源日期：2026-10-28

事件： 研究采用多轮问卷，在三个时间点收集了784名高职学生的数据，并用SPSS与Mplus进行分析。摘要称，人工智能素养与自评复杂问题解决能力显著相关，并通过系统性思维技能和一个由六道题组成的认知负荷综合指标产生显著的间接效应；学生感知的学校信息与通信技术支持较高时，人工智能素养与这些认知因素的关联更强。作者来自广东技术师范大学。

来源表述： 无公司口径；作者在摘要中表示，研究结果凸显人工智能素养与学生感知的信息与通信技术支持，对自评复杂问题解决技能及其应对人工智能融合工作场所的准备具有重要意义。

为什么重要： 《Frontiers in Psychology》发表的一项摘要研究，对6所高职院校的784名学生做了三个时间点的问卷调查，发现学生的人工智能素养与自评的复杂问题解决能力相关，系统性思维和认知负荷可能是其中起作用的中间环节；学生感受到的学校信息与通信技术支持越强，这种关联也越强。该研究只是相关性设计，不能说明因果关系，也没有涉及心理健康干预效果。

编辑判断： 这项研究把人工智能素养放进职业教育的能力框架里，提示学校的技术支持环境可能影响学生使用人工智能时的认知负荷和系统性思维。对心理行业的间接意义在于：认知负荷与自我效能是学习与心理健康交叉的变量，但本研究没有测量焦虑、抑郁等心理结果，用的也是自评量表和相关性模型，不能把人工智能素养当成心理干预手段。

后续观察： 检索该研究的完整方法与数据；关注高职学生人工智能使用与心理压力的独立研究

来源：Frontiers in Psychology 摘要：AI literacy and vocational students’ complex problem-solving skills

摘要研究：人工智能旅行规划中，控制权如何分配可能影响用户是否愿意再次使用

本期关注｜情景实验与问卷研究摘要｜来源日期：2026-10-28

事件： 研究包含两项情景研究：实验室预试验92人，用于验证系统主导、共同控制和用户主导三种规划条件；主在线研究463人，采用验证性因子分析、结构方程模型和5000次重抽样的自助法。摘要称，控制权分配显著影响使用体验；体验较好时，认知重评增加、表达抑制减少，这两条调节路径对心理赋权的方向相反；赋权提升满意度，满意度进而预测复用意愿。

此外，人工智能使用经验会调节使用体验与情绪调节之间的关系。作者机构包括岭南大学、山东工艺美术学院和黄淮学院。

来源表述： 无公司口径；作者在实践启示中建议，人工智能旅行规划应把控制权分配当作交互设计决策，采用模块化编辑、逐步解释、可逆修改和自适应控制，在保留用户自主性的同时维持人工智能辅助的效率优势。

为什么重要： 《Journal of Hospitality and Tourism Insights》发表的一项摘要研究，用情景实验考察：在人工智能辅助旅行规划时，用户与系统之间如何分配控制权，会怎样影响使用体验、情绪调节和心理赋权，并进而影响用户是否愿意继续使用。研究方法为消费者行为问卷和结构方程模型，样本不是临床人群，不能据此推断心理治疗效果。

编辑判断： 该研究把“控制权”视为人工智能产品的设计变量，并用认知重评、表达抑制这两个情绪调节概念解释用户反应，对人工智能心理陪伴类产品的交互设计有参照意义：用户是否感到自己可掌控，可能影响其情绪加工和继续使用的意愿。但研究对象是旅行规划，样本为一般消费者，结果来自自陈量表和横断面模型，不能外推为心理干预效果。

后续观察： 检索该研究的完整量表与效应量；关注人工智能控制权设计与用户心理赋权的后续研究

来源：Journal of Hospitality and Tourism Insights 摘要：How control allocation in AI-enabled travel planning shapes reuse intention

观点文章：人工智能在精神科可用于文书与数据研究，直接治疗的证据仍属初步

本期关注｜学术评论｜来源日期：2026-10-27

事件： 该文由 Filippo Corponi、Allan Hunter Young、Kenneth R Kaufman 撰写，作者机构包括英国帝国理工学院脑科学系、美国罗格斯罗伯特伍德约翰逊医学院、英国国王学院伦敦精神病学心理学与神经科学研究所及英国牛津大学精神病学系，发表于《BJPsych Open》。

摘要称：全球逾十亿人患有精神障碍，患病率上升持续超出精神卫生服务能力；人工智能尤其是大语言模型被广泛提议作为解决方案；精神科对疾病过程机制理解有限（并叠加其心理社会根源），且依赖偏主观的临床评估，这限制了任何人工智能模型所能达到的水平。文章区分两类用途：大语言模型在多模态大数据集以及行政工具（如自动生成临床文书的语音记录工具）上确有帮助；而直接治疗用途的证据仍属初步，安全担忧真实存在。

文章还指出人工智能对研究过程本身的风险，包括虚构引用和不可核验的分析流程。结论认为，人工智能是增强还是掏空精神科照护，取决于利益相关方与政策制定者的选择，而非模型能力。本次仅获取摘要，未阅读全文。

来源表述： 无企业或产品主张；本文为学术综述，作者观点归属上述研究机构作者本人，不代表任何公司口径。

为什么重要： 发表于《BJPsych Open》的一篇观点文章指出，全球逾十亿人受精神障碍影响，患病率上升持续超出精神卫生服务能力，大语言模型常被提议作为补救方案。但精神科对疾病机制理解有限、临床评估偏主观，这限制了任何人工智能模型所能达到的水平。作者认为，人工智能在多模态数据集和临床文书语音工具上确有帮助，直接治疗用途的证据仍属初步，安全风险真实存在。

编辑判断： 这篇摘要的价值在于把“人工智能能否治疗精神疾病”拆成两个可分别核验的问题：行政与数据效率，和直接治疗有效性。前者被作者视为已有实际帮助，后者被明确定性为证据初步。对行业的含义是，把大语言模型用于临床文书、分诊信息整理与多模态数据研究，与宣称其具备治疗能力，属于完全不同的证据等级；后者的安全风险在摘要中被直接承认。

作者同时提醒，人工智能会污染研究证据链（虚构引用、不可核验流程），这对依赖文献做产品论证的团队是提醒：引用需回到原文核验。需注意该判断来自摘要层面的观点文章，未提供具体研究数据或效应量，不能作为任何产品疗效的证明。

后续观察： 获取《BJPsych Open》全文，核实其对“直接治疗证据初步”的具体引证文献与安全风险清单；跟踪同一作者团队是否发布面向临床部署的评估框架

来源：PubMed 收录：BJPsych Open

作者讨论：人工智能可辅助精神科药物研发，但需先解决数据与临床验证问题

本期关注｜学术评论｜来源日期：2026-10-27

事件： 这是一篇社论，发表于《Canadian journal of psychiatry.

Revue canadienne de psychiatrie》（《加拿大精神病学杂志》），作者机构包括不列颠哥伦比亚大学（University of British Columbia）精神病学系、公共卫生学院与计算机科学系，以及费拉拉大学（Ferrara University）形态学、外科与实验医学系。

摘要指出，即使诊断相同，患者的生物学基础和治疗反应也可能差别很大；临床试验依赖症状评分，并容易受到安慰剂反应影响。人工智能可在靶点识别、分子设计、利用生物学、脑成像与临床数据预测治疗反应，以及改进临床试验等环节提供帮助。新兴方向包括数字孪生、合成对照组，以及对症状和行为的数字测量。摘要同时提示，这些技术仍在发展中，不应被视为能解决精神科药物研发所有难题的方案。

来源表述： 本文为学术社论，不代表任何公司立场；作者为不列颠哥伦比亚大学与费拉拉大学等机构的研究者，其观点不代表企业声明。

为什么重要： 一篇发表于《加拿大精神病学杂志》的社论，梳理了人工智能在精神科药物研发中的潜在用途：识别药物靶点、设计分子、利用生物学和脑成像数据预测治疗反应，以及数字孪生、合成对照组等新方向。作者同时强调，这些技术仍在发展中，若要更广泛使用，还需要有代表性的数据集、数据治理、可解释的模型、严格的临床验证和适当的监管。

编辑判断： 这篇社论把人工智能在精神科药物研发中的角色限定为方法学辅助，并未承诺疗效。它提示行业关注两个薄弱环节：训练数据是否有代表性，以及模型输出能否被临床和监管接受。数字孪生与合成对照组若能落地，可能影响试验设计，但从题录和摘要层面看，尚无具体验证结果。

后续观察： 检索作者团队后续实证研究；跟踪监管机构对人工智能辅助药物开发的公开表态

来源：PubMed 收录：Canadian Journal of Psychiatry

福州大学调查：67%受访英语学习者认为人工智能能提供情感支持，但研究不证明人工智能真懂情绪

本期关注｜横断面调查研究（摘要级）｜来源日期：2026-10-27

事件： 研究由福州大学外国语学院Qiuxi Zhuo开展，采用中文自编问卷，含分类与多选题目，未使用心理测量量表。425份提交中排除1名非高校受访者与4名未满18岁者，最终分析样本420人。报告最多的情绪困难为无助感（59.05%）、疲劳（55.95%）、焦虑（53.33%）。

即时反馈是最常被选择的支持机制（79.52%），缓解学习压力或焦虑是最常被选择的功能（70.71%）。感知到的人工智能情感支持与自我报告的动机变化相关，χ²(2)=53.27，p<.001，Cramér's V=.356；与兴趣变化相关，χ²(2)=59.57，p<.001，V=.377。

认为人工智能可能填补或替代教师情感支持的合并信念，与继续需要教师支持相关，χ²(1)=72.97，p<.001，φ=.417。样本为非概率便利抽样，机构高度集中，不能代表全体中国高校第二语言学习者。

来源表述： 无公司口径。研究结论由论文作者表述，非企业声明。

为什么重要： 一项发表在《PloS one》（公共科学图书馆·综合）的问卷调查，调查了福州大学外国语学院420名成年英语学习者：67.38%认为人工智能能提供情感支持，84.76%曾用人工智能应对学习困难。作者强调，这些只是学习者自己的感受，既不能说明因果关系，也不能证明人工智能真的具有情感；样本为便利抽样且集中在单一机构。

编辑判断： 这项研究的价值在于呈现学习者主观感受的分布，而不是验证干预效果。作者明确区分了两点：人工智能可以提供可大规模推广、压力较小的日常学习支持；教师在关系、情境和教学判断上仍不可替代。调查结果显示这两种看法同时存在，说明不宜把人工智能的情感支持简单当作教师的替代品。相关分析基于自编多选题，Cramér's V处于中等效应区间，不能解读为使用人工智能导致动机或兴趣提升。

后续观察： 检索该论文全文以核对问卷条目与选项设计；关注作者后续纵向研究是否采用效度验证工具

来源：PLoS One（经PubMed摘要）

作者讨论：与人工智能交谈时，“对话感”来自人与算法文本的互动，而非人工智能本身

本期关注｜学术论文｜来源日期：2026-10-26

事件： 该文发表于《Integrative Psychological & Behavioral Science》（《整合心理学与行为科学》），作者 Anu Dandona 隶属印度浦那 D Y Patil International University（D·Y·帕蒂尔国际大学）人文与社会科学学院。

摘要称，文章以对话自我理论（DST）、符号—文化心理学以及算法策展和人工智能陪伴相关研究为基础，反对把人工智能视为对话自我理论中的“新他者”或“新自我立场”，提出排序系统、界面、目标、生成语言等技术因素会被纳入人的意义转化过程；文章用三个分析示例区分人的能动性与系统效应，纳入文化维度，并以有限、可检验的假设和对临床与教育意义的修订讨论收尾。

PubMed 题录显示出版日期为2026年10月26日，仅见摘要，未阅读全文。

来源表述： 无公司口径；本文为作者 Anu Dandona 的个人学术理论文章，不代表任何企业立场。

为什么重要： 一篇发表于《整合心理学与行为科学》的理论文章认为，不应把人工智能简单看作对话自我理论中的“新他者”或“新自我立场”，而应把与人工智能的交流理解为“人与系统共同构成的互动”：对话感产生于个人、人工智能生成的文本以及个人已内化的文化立场之间的相互影响。文章基于理论提出有限、可检验的假设，并讨论其在临床与教育上的意义。目前仅见摘要，属于摘要级证据。

编辑判断： 其价值不在于提供效果数据，而在于改变分析单位：不问“人工智能是否成为关系对象”，而问用户如何把算法生成的文本纳入自我解释。对行业而言，这提示界面、排序与生成语言本身参与心理过程，而非中性管道。但摘要未提供实证样本或临床结果，所提假设尚待检验，不能据此推断人工智能陪伴具有治疗效果。

后续观察： 检索作者后续论文及同刊对本文的回应；核对本文是否提供完整理论模型图示与假设清单（需全文）

来源：PubMed 收录：Integrative Psychological & Behavioral Science

香港研究：511名精神科门诊患者中66.2%曾用通用聊天机器人求助情绪，CARES-MDD完成共创与预试验设计

背景研究｜共创与需求评估研究（摘要级）｜来源日期：2026-10-21

事件： 研究分两阶段：第一阶段对香港511名精神科门诊就诊者做需求评估，66.2%报告曾使用通用人工智能聊天机器人处理情绪问题；定性资料反复出现隐私、担心被负面评价、担心给他人添负担等主题；受访者期望的心理健康生成式人工智能聊天机器人主题包括本地化共情、非评判和24/7（全天候）可用。

第二阶段由10名有重度抑郁障碍（MDD）亲身经历者和8名多学科临床专业人员参与共创与试用，形成CARES-MDD原型——粤语、认知行为疗法取向、定位为常规精神科诊疗之外的辅助支持，并按七维度反馈量表评估感知有用性与可接受性，总体获得正面评分；内容分析识别出正负体验，用于确定未来试验的方法学参数。摘要未报告临床效果数据。

来源表述： 本文为学术论文摘要，研究者来自香港大学与香港理工大学相关院系，无企业声明；摘要由作者团队发布，未提供公司口径。

为什么重要： 香港一项研究先调查511名精神科门诊就诊者的需求，再与10名有抑郁亲身经历者和8名多学科临床人员共同设计粤语、认知行为疗法（CBT）取向的生成式人工智能对话原型CARES-MDD，并用七维度反馈量表评估其感知有用性与可接受性；结果为后续对照试验设定方法学参数，摘要未报告临床效果数据。

编辑判断： 研究把“患者已经在用通用聊天机器人处理情绪”与“专业场景中的辅助工具”并列呈现，提醒设计者除了功能，还要回应隐私和污名顾虑；受访者把本地语言和共情表达列为期望重点。需要注意，这是摘要级证据：样本来自单一地区的精神科门诊人群，原型评估衡量的是感知有用性和可接受性，不等于疗效验证。

后续观察： 查阅论文全文，核对七维度反馈量表的具体条目与评分分布；核实研究是否获得伦理审批及参与者知情同意方式；关注该团队后续试验方案是否公开

来源：Healthcare (Basel)（经PubMed摘要）

综述：癌症心理支持聊天机器人偏重信息教育，安全评估与身份披露明显不足

背景研究｜范围综述｜来源日期：2026-10-19

事件： 研究按乔安娜布里格斯研究所（JBI）方法与PRISMA-ScR（系统综述和元分析扩展版范围综述报告规范）执行，检索13个数据库及登记平台至2026年5月5日，纳入24篇报告、25个研究单元、23个底层项目。

大语言模型或生成式人工智能占9/23（39.1%）；信息或教育功能23/23（100%），症状或自我管理支持20/23（87%），但计数包含已交付、计划中、模拟、共同设计和参与者自报功能；结构化心理或行为成分仅5/23（21.7%）。明确理论或概念框架见于6/24篇报告（25%）。

报告或计划评估可接受性/用户体验17/24（70.8%）、参与度13/24（54.2%），而心理社会临床结局8/24（33.3%）、安全与不良事件4/24（16.7%）。人工或专家监督见于15/24（62.5%），危机升级或转介8/24（33.3%），面向用户的人工智能身份披露3/24（12.5%）。作者单位为中国长沙中南大学湘雅三医院血液科与护理部。

来源表述： 无企业或产品声明。作者结论是：心理肿瘤学领域的对话式人工智能研究涉及的技术差异大、开发阶段不一，临床与安全评估、理论基础、人群代表性和监督责任的报告均不充分；这些结果不代表有效性或安全性，未来应前瞻性评估心理社会获益与安全，并明确专业监督和转介责任。

为什么重要： 《Journal of Medical Internet Research》发表的一项范围综述梳理了用于癌症患者心理支持的对话式人工智能系统。综述纳入24篇报告，对应23个底层项目，其中39.1%采用大语言模型或生成式人工智能。信息教育类功能出现在全部项目中，但报告或计划评估安全与不良事件的仅占16.7%，向用户明确说明人工智能身份的报告仅占12.5%。

作者强调，这些数字只反映研究报告的模式，不能证明相关系统有效或安全。

编辑判断： 这是一张研究“版图”，不是效果验证：信息教育功能看似全覆盖，但其中大量属于计划中或模拟阶段，不能等同于患者实际可用的能力。更值得注意的是，评估重心偏向体验和参与度，安全与不良事件评估的占比最低，人工智能身份披露和危机转介路径也很少，这意味着真正面向癌症患者部署时，可供核查的安全治理信息有限。摘要未提供不良反应发生率或临床改善数据，因此任何有效性推断都超出这项研究能支持的范围。

后续观察： 核查纳入的23个项目中，哪些已进入真实患者使用阶段；追踪该团队是否发布后续前瞻性评估研究；查证其他癌种或非肿瘤场景是否呈现相似报告模式

来源：PubMed 题录：Journal of Medical Internet Research

未来 7–30 天观察清单

• 检索该研究的完整方法与数据

• 关注高职学生人工智能使用与心理压力的独立研究

• 检索该研究的完整量表与效应量

• 关注人工智能控制权设计与用户心理赋权的后续研究

• 获取《BJPsych Open》全文，核实其对“直接治疗证据初步”的具体引证文献与安全风险清单

• 跟踪同一作者团队是否发布面向临床部署的评估框架