AI职业替代风险为何引发员工退缩行为
研究整合身份威胁理论与技术威胁回避理论发现,员工越感到AI可能替代自己的职业,越可能因职业认同下降、工作意义感减弱和岗位不安全感上升而出现退缩行为;技术自我效能较高者,这种间接影响较弱。
在中文标题、摘要、正文中检索心理学资讯
研究整合身份威胁理论与技术威胁回避理论发现,员工越感到AI可能替代自己的职业,越可能因职业认同下降、工作意义感减弱和岗位不安全感上升而出现退缩行为;技术自我效能较高者,这种间接影响较弱。
一项小型脑成像研究发现,6—7岁儿童与ChatGPT共同构思开店方案时,负责自我调节与专注的脑网络内部及彼此间连接弱于成人;只有成人表现出创造力越高、控制网络协同越强的关联。提示低龄儿童可能尚未具备主动调控生成式AI对话的成熟脑基础,AI进入课堂需配合引导。
一项针对60名本科产品设计学生的准实验研究发现,将生成式AI结构化嵌入项目式学习的四个阶段,比传统项目式学习带来更大提升:认知理解、问题解决与创造力、工具操作、进阶设计应用和最终学业表现均更优。参与投入与伦理责任随时间改善,但未出现显著组间差异。研究提示,关键不只是提供AI工具,而是设计人机协作的学习流程。
长期研究亲密关系的学者提出,可以把恋爱关系看作动态系统,用数学模型描述情感如何变化、受压力冲击后恢复或衰退。模型强调关系可能存在“稳定阈值”:情感强度若长期低于临界点,分离风险上升;但认识阈值也能帮助伴侣识别危险区、及时修复。研究者提醒,模型只揭示趋势,不能决定爱情结局。
一项针对1323名大学生的研究发现,对AI持积极态度不仅直接与更高AI素养相关,还可能经由AI自我效能感、AI动机的单独或链式中介,与更高AI素养间接相关。研究提示,高校培养AI素养不能只靠设备和课程等外部支持,也要关注学生信心与动机等心理因素。结果属探索性关联,需更严谨研究验证。
近一个月,Anthropic、OpenAI 等机构的负责人与研究者接连公开警告:AI 可能正滑向“递归式自我改进”——自己设计、开发出更强的下一代。哈佛学者齐特雷恩解释了这一概念,并直言任何给出明确时间表的人“要么自欺,要么在推销”。对普通家庭而言,比恐慌更实用的,是理解这项技术的不确定性,并陪孩子建立审慎的好奇心。
一项发表于《神经病学》的研究利用人工智能分析挪威大型健康队列。算法在没有使用头痛信息的情况下,仅凭年龄、性别、颈痛、恶心、睡眠、血压和心理健康等临床特征,也能较准确识别偏头痛患者。研究还把偏头痛分为四种亚型,提示它可能不是单一疾病,而是一组生物学和临床特征各异的谱系。
中山大学研究团队发现,当生物钟与日常安排错位形成“社会时差”时,疲劳会提升社交焦虑;为了逃避他人可能的主观评判,人们更愿意让AI来评价自己。四项实验显示,社交焦虑是这种偏好的关键中介,并且只有当AI被描述为客观无偏时,偏好才明显。这为理解睡眠、情绪与算法信任提供了新视角。
一项针对多款大语言模型的研究发现,它们对通用人工智能(AGI)的平均态度比人类更乐观:模型均分3.77/5,人类为2.97/5;GPT-4最高,达4.12。研究者提醒,模型并非中立镜子,其偏向可能随日常对话悄然影响公众对AI未来的判断。
一项系统综述分析2015—2025年116篇虚拟影响者研究,发现该领域自2021年快速扩张,中国产出领先,但知识结构分散。真实性、信任、拟人化、消费者参与、人工智能和数字营销是核心主题。虚拟网红并非真人,却可能触发类似人际关系的信任与情感连接。理解这些机制,有助于公众清醒看待AI生成的社会角色,也为广告与营销沟通提供参考。
本文介绍一套面向高中生的八周AI支持积极青少年发展干预方案。模型整合每日AI微提醒、简短自愿微辅导对话和每周10-15分钟咨询师迷你会谈,评估自我调节与学校归属感。研究采用前后测与每日生态瞬时评估,旨在考察自然情境下发展性微安排是否发生,为未来随机对照试验提供学校干预框架。
一项新研究绘制了迄今最大的神经精神疾病蛋白互作图谱,发现约百个高置信度自闭症风险基因虽各不相同,其蛋白却汇聚到少数共享复合物;患者携带的不同突变还会以相似方式重接蛋白连接,扰乱早期脑发育。这提示未来或可用较少靶向共同通路的疗法,覆盖多类患者。
一篇发表于《Frontiers in Neuroscience》的理论文章提出,意识或许不是智能发展到极致后的产物,而是生命在资源有限、风险不可逆时协调多种需求、维持自身存续的适应。作者Jeff Stibel区分认知与意识,并提出六项可检验预测;该框架也挑战了“AI足够聪明就会自动觉醒”的流行假设。
生成式AI进入高校课堂,教师能否把AI知识转化为教学创新?一项针对8所综合性大学898名教师的调查发现:AI-TPACK多数维度与AI教学创新行为显著相关,职业认同与AI素养起部分中介作用,教学效能感的中介作用仅获部分支持;在使用GenAI较少的教师中,职业认同与创新行为的关联更强。
新研究发现,梦境并非随机碎片,而是由人格、睡眠质量、思维习惯和外部事件共同塑造。研究分析287人超3700份梦境报告,发现大脑会重组日常经历,融合记忆与想象形成新场景。走神多的人梦更碎片化,重视梦的人梦更生动。疫情封锁期间,梦中更多限制与障碍主题,随时间减弱。AI技术助力大规模分析梦境,为研究意识与心理健康提供新工具。
一项针对668名俄罗斯大学生的研究发现,在AI素养与对AI态度的关系网络中,“实际使用AI”与“积极态度”的联结最强,批判性评估位于结构中心,而消极态度则处在边缘。研究提示,人与AI的关系不是单纯的喜欢或抵触,而是使用能力与判断能力的交织,这为理解人机互动中的情绪体验提供了参考。
一项针对413位印度美容消费者的研究发现,由AI推荐、AR试妆等技术构成的“动态品牌体验”,主要通过建立信任与情感纽带(关系资产)来提升品牌关系质量,进而影响购买意愿;相比之下,品牌知名度带来的“品牌资产”作用几乎可以忽略。这提示数字时代的消费决策,更多由“关系”而非“光环”驱动。
美国研究团队开发出一款AI模型,能够从常规夜间睡眠监测中提取隐藏的生理信号,识别出五种风险不同的患者亚型。最高风险组的五年死亡率是最低风险组的两倍,而这一差异在传统睡眠呼吸暂停指标中无法体现。该发现提示常规医学检查蕴含远超现有解读的丰富信息,有助于更早识别心血管疾病、认知衰退等健康风险,推动个性化睡眠医学发展。
新研究发现,未经训练的人工神经网络能够自发形成对人脸美感的识别能力,无需任何审美经验。这种能力源自视觉系统的基础编码方式,而非学习结果。研究者在多种网络中均观察到“美感选择单元”,并能有效区分面孔吸引力。这一成果暗示,人类的审美偏好或许也有先天根源,根植于基本感官机制;但AI的“审美”仅停留在结构评估,缺乏情感体验。
一项针对9名沙特女大学生的试点研究发现,基于人工智能的教学干预后,她们的生产性思维测试得分显著提高。该能力涵盖独创性、流畅性、灵活性、推理、解释、拓展与想象等维度。然而研究为单组前后测设计、样本较小,结论应视为初步探索,而非因果定论。这提示AI教学可能为培养高阶思维提供新途径,但需更多严谨对照研究证实。
最新研究发现,高情商AI伴侣能提升个人心理幸福感,但同时可能削弱人们参与现实人际交往的意愿。当通过增强现实(AR)互动时,这种“双刃剑”效应更为明显。研究提示,使用AI情感陪伴需警惕社交替代风险,建议设定使用边界并鼓励线下联络,让数字技术真正服务于而非阻碍人的心理健康。
一项对62项元分析、超过100万参与者的再分析显示,情绪智力与人生繁盛有可靠正相关,涉及工作成就、心理调适等77种人生结果,且在不同年龄和地域中一致存在。然而,测量方式显著影响关联强度。这提醒我们,培养情绪能力对青少年适应学校与未来生活可能有积极意义,但评估时需结合多种方法,理性看待自我报告。
全球老龄化让老年心理障碍愈发常见,但抑郁、焦虑常伪装成身体不适或记性差,容易被忽视。研究显示,老年焦虑症状患病率约16.5%,痴呆患者中行为心理症状高达75.7%。照护者负担是老人入住养老院的重要预测因素。及早识别、综合干预并关注照护者,能显著改善晚年生活质量。
一项发表在《英国心理学杂志》的研究发现,人们预期他人比自己更常使用AI辅助沟通工具,且这种“自我-他人差异”十分显著。当直接比较时,公众认为公开披露AI使用比秘密使用更可接受;但分开评价时,透明度的优势并不明显。研究还显示,对AI越熟悉的人,越能接受AI辅助沟通。这表明,随着技术普及,人们的相关担忧也许会逐步缓解。
一项针对中国1484名大学生的调查发现,AI焦虑水平越高,学习动力往往越低。研究揭示,情绪调节能力是二者间的中介桥梁,且存在性别差异:男生中情绪调节对学习动力的正向关联更强。这表明,提升情绪调节能力有助于缓解AI带来的学习动力下降,学校应把心理支持融入AI素养教育。
一项针对日本东京成年人的研究发现,街道围合感越强,失眠和白天嗜睡问题越少,睡眠时间越长。这可能是因为围合感提升了对社区的安全感和活力感知。另外,绿化通过安全感改善睡眠,而步行性则与更短睡眠相关。这些发现为城市设计促进睡眠健康提供了依据。
一项新研究利用机器学习分析审计与管控岗位员工的缺勤记录,发现缺勤是职业倦怠的客观行为指标。结果显示,弹性网络回归模型在预测缺勤方面表现最佳,且缺勤主要与长期的工作结构、职业阶段等系统性因素相关,而非短期压力波动。该发现提示,预防倦怠应着重于优化工作负荷设计,并针对不同职业阶段提供支持。
一项覆盖35个国家、超过3.5万人的大型研究发现,人们是否愿意让AI担任医生、教师或伴侣,很大程度上取决于自身的心理需求——胜任感与自主感是关键预测因素。同时,文化背景差异显著:阿拉伯、亚洲和非洲地区对AI社会角色的接受度更高,北欧和德国地区则最低。了解这些差异,有助于设计更符合不同人群需求的AI应用。
一项针对中国高校教师的研究发现,教师对AI融入教学的感知越积极,越可能开展教学创新。其中,“资源补偿”心理路径起关键作用——当教师觉得AI能减轻负担、节省时间时,更愿意尝试新教学法。而“职业身份威胁”并未显著阻碍创新。研究还对比了45岁以下青年教师与60岁以上资深教师,发现两者在心理路径上无显著差异。这提示高校应强调AI的教学实用价值,而非单纯技术推广。
一项系统综述发现,利用摄像头、雷达等非接触设备采集生理信号,再借助人工智能识别心理压力,在实验室条件下平均准确率达81.3%,敏感度0.809,特异度0.697。该技术有望实现无感、持续的压力监测,但当前研究样本量小、标签异质,距离真实场景应用仍需标准化验证。