Perceived Empathy in AI Interaction: The Role of Relational Beliefs and Response Style

技術的要約：AIとの相互作用における知覚された共感：関係的信念と応答スタイルの役割

問題提起
対話型AIが、生産性のためのツールから感情的な応答が可能な社会的エージェントへと進化するにつれ、AIとの相互作用がいかにして感情調節を促進するかというメカニズムを理解する必要性が高まっている。人工的な共感（Artificial empathy：ユーザーが、AIが自身の感情状態を理解し、感情的に反応していると感じる程度）は、AI体験の重要な構成要素として認識されているが、この知覚を形作る要因については未だ十分に解明されていない。具体的には、AIを潜在的な関係的パートナーとして捉えるユーザーの既存の信念が、感情的な結果に影響を与えるのかどうかは不明である。さらに、対人感情調節理論は「理解されていると感じること」が感情の減衰の鍵であることを示唆しているが、AIの応答スタイル（感情焦点型 vs 解決策焦点型）とユーザーの信念のどちらが、こうした恩恵を駆動するのかについては、実証的な明確化が必要である。

方法論
本研究では、韓国の成人187名（平均年齢28.01歳、女性73.8%）を対象としたオンライン実験デザインを採用した。実験デザインは、参加者を以下の2つのAI応答スタイル条件のいずれかにランダムに割り当てる被験者間要因設計である：

1. 感情焦点型（Emotion-focused）： 実践的な助言を与えず、共感的なバリデーション（承認）を行う。
2. 解決策焦点型（Solution-focused）： 感情的なバリデーションを最小限に抑え、具体的なコーピング（対処）の提案を行う。

手順：

1. ベースライン測定： 参加者は、デモグラフィック・アンケートと、AI関係信念（AIが、仲間意識や感情的サポートといった社会的・関係的機能を果たし得ると個人が信じる程度）を測定する6項目の尺度に回答した。
2. ストレス誘導： 参加者は、ランダムな順序で提示される3つの否定的な対人シナリオ（社会的屈辱、裏切り、不公平な扱い）に従事した。
3. 相互作用： 各シナリオにおいて、参加者は相互作用前のネガティブな感情とコーピング自己効力感を報告した。その後、条件特定のプロンプトに従って制御されたGPT-4oベースのチャットボットと対話を行った。
4. 相互作用後の測定： 参加者は、相互作用後のネガティブな感情とコーピング自己効力感を報告した。
5. アウトカム測定： 3つのブロック終了後、参加者は知覚された擬人化（7項目）と知覚された共感（9項目）を評価した。

主要変数および分析：

• 従属変数： ネガティブな感情の減少およびコーピング自己効力感の増加の正規化された変化スコア。
• 媒介変数： 知覚された擬人化および知覚された共感。
• 統計的手法： 本研究では、相関分析、条件間の比較のための独立サンプルt検定、および直接効果をテストするための回帰分析を用いた。また、AI関係信念 → 知覚された擬人化 → 知覚された共感 → 感情的アウトカム という経路を検証するために、ブートストラップによる間接効果（5,000回の再サンプリング）を用いた系列媒介モデルをテストした。

主な結果

1. AI関係信念の役割：

   • AI関係信念は、知覚された擬人化（$r = .336, p < .001$）および知覚された共感（$r = .290, p < .001$）の両方と正の相関があった。
   • 直接効果なし： AI関係信念は、ネガティブな感情の減少やコーピング自己効力感の増加を直接予測することはなかった。
   • 有意な間接効果： 系列媒介分析により、有意な間接効果が明らかになった。AI関係信念は、知覚された擬人化を高め、それがさらに知覚された共感を高め、最終的にネガティブな感情の減少とコーピング自己効力感の増加をもたらすという、一連の経路を通じて感情調節のアウトカムを予測した。
     • ネガティブな感情減少へのパス：$b = .019$ [95% CI .010, .030]。
     • コーピング自己効力感へのパス：$b = .025$ [95% CI .014, .040]。

2. AI応答スタイルの役割：

   • 主要な感情的アウトカム（ネガティブな感情の減少およびコーピング自己効力感）において、感情焦点型条件と解決策焦点型条件の間に有意な差は見られなかった。
   • 探索的知見： 知覚された共感のサブディメンション分析によれば、感情焦点型条件はより高い「感情的共感」をもたらし、解決策焦点型条件はより高い「関係的安全」をもたらすことが示された。しかし、認知的共感や感情的緩和については差が見られなかった。

3. デモグラフィクス： 年齢は、擬人化、知覚された共感、および感情的アウトカムと正の関連があったが、サンプルには高齢者が含まれていなかった。

主な貢献

• 感情調節のメカニズム： 本研究は、AIとの相互作用による感情的な恩恵が、単にAIの出力やユーザーのAIの関係的能力に対する信念のみによって決まるのではないことを立証した。むしろ、これらの恩恵は、特定の認知・感情的なシーケンスを通じて生じる。すなわち、パートナーとしてのAIに関する信念が擬人化の知覚を育み、それが共感の知覚を促進し、最終的に感情調節を駆動するのである。
• 擬人化へのトップダウンの影響： 本研究は、擬人化がシステムの特徴（アバターや音声など）のみによって駆動されるのではなく、ユーザーのトップダウン的な関係的信念によって大きく形作られることを示し、擬人化に関する文献を拡張した。
• 応答スタイルのニュアンス： 本研究は、特定の応答スタイル（感情 vs 解決策）が感情調節に普遍的に優れているという仮定に疑問を投げかけ、ユーザーの信念や解釈が、AIの具体的なデリバリー・スタイルよりも中心的な役割を果たす可能性を示唆している。

意義と主張
著者らは、これらの知見は、AIの感情的な有用性がユーザーの解釈の枠組みに大きく依存していることを示唆していると主張している。具体的には、AIを正当な関係的パートナーと見なす個人は、AIの行動を社会的レンズを通して解釈する傾向があり、それによってより大きな共感と感情的な恩恵を経験する。本研究は、AIが社会的サポートの源として効果的に機能するためには、単に共感能力を備えているだけでは不十分であり、ユーザーがAIを自身の感情状態を理解し反応することができる社会的エージェントとして知覚することを可能にする信念を持っている必要があると断じている。

本研究は、AI関係信念が重要な先行要因であるものの、相互作用中の知覚された擬人化と共感という媒介的な経験なしには、それ自体で感情的恩恵を生み出すには不十分であることを指摘し、控えめに結論づけている。著者らは、生態学的妥当性（3つの否定的なシナリオに限定されていること）、自己報告による測定への依存、およびAI関係信念尺度のさらなる検証の必要性といった限界を認めている。彼らは、AIが人間の関係に取って代わることができると主張しているのではなく、AIが感情的なウェルビーイングをサポートするために、これらの知覚メカニズムを理解することが極めて重要であると示唆している。