💻 computer science

Filipino Students' Willingness to Use AI for Mental Health Support: A Path Analysis of Behavioral, Emotional, and Contextual Factors

该研究通过路径分析发现，习惯、情感舒适度及情感收益等因素显著影响菲律宾学生使用人工智能进行心理健康支持的意愿，并据此建议通过提升 AI 素养、优化共情设计及制定伦理政策来推动其负责任且符合文化背景的应用。

原作者： John Paul P. Miranda, Rhiziel P. Manalese, Ivan G. Liwanag, Rodel T. Alimurong, Alvin B. Roque

发布于 2026-03-31

📖 1 分钟阅读☕ 轻松阅读

原作者： John Paul P. Miranda, Rhiziel P. Manalese, Ivan G. Liwanag, Rodel T. Alimurong, Alvin B. Roque

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是在探讨一个非常现代的问题：在菲律宾，大学生们愿意把心里的秘密告诉“人工智能（AI）”吗？

想象一下，你心里压着一块大石头（比如学业压力、焦虑），你想找人倾诉，但又不想告诉真人朋友或老师，因为怕被评判、怕丢脸（这在菲律宾文化中叫"Hiya"，一种害羞或怕丢面子的心理）。这时候，一个不知疲倦、永远在线、不会评判你的 AI 聊天机器人出现了。

这篇研究就是去调查：学生们愿不愿意向这个 AI 机器人敞开心扉？是什么因素决定了他们愿意还是不愿意？

作者通过调查了 536 名菲律宾大学生，发现了一个有趣的“心理地图”。我们可以用三个生动的比喻来理解他们的发现：

1. 习惯是“肌肉记忆”：最强大的推手

研究发现： 影响学生意愿最大的因素是“习惯”。
通俗解释：
这就好比刷牙。你每天刷牙不是因为每次都要深思熟虑“今天要不要刷牙”，而是因为已经形成了肌肉记忆，手自动就伸向牙刷了。
研究发现在菲律宾，如果学生平时就习惯用 AI 查资料、写作业，当他们遇到情绪问题时，也会下意识地打开 AI 聊天。这种“顺手”的感觉，比任何理性的分析都更能让他们愿意使用 AI 来寻求心理支持。

结论： 只要学生习惯了和 AI 打交道，他们就更愿意在难过时找 AI 聊天。

2. 舒适感是“安全屋”：打破羞耻感的钥匙

研究发现： “舒适感”和“共情能力”（AI 能不能听懂你的难过）非常重要。
通俗解释：
想象一下，如果你在一个没有窗户、隔音极好的安全屋里，你可以大声哭泣而不用担心邻居听到。
对于很多菲律宾学生来说，向真人倾诉心理痛苦就像在广场中央裸奔，太羞耻了（怕被指指点点）。但 AI 就像一个完美的倾听者：它不会嘲笑你，不会把你的秘密告诉别人，也不会露出嫌弃的表情。
当 AI 能温柔地回应（比如：“我理解你现在很难过”），学生就会觉得这个“安全屋”很温暖，从而更愿意把心里的苦水倒出来。

结论： 只要 AI 足够温柔、不评判，学生就会感到安全，从而愿意使用它。

3. 基础设施是“铺好的路”：没有路，车开不动

研究发现： 网络好不好、设备有没有、学校有没有提供指导，这些“外部条件”也很重要。
通俗解释：
哪怕你有一辆法拉利（AI 很聪明），也有一颗想开车的心（学生想求助），但如果路是烂泥坑（没网、没电脑、没人教怎么用），你也开不到目的地。
研究指出，如果学校能确保网络畅通，并告诉学生“怎么用这个工具”，学生的意愿就会大大增加。

结论： 技术再先进，如果学生连网都连不上，或者不知道怎么用，一切都白搭。

这个“心理地图”是如何运作的？

作者画了一张图，把整个过程串联起来：

情感路线（走心）：
AI 表现出同情（像朋友一样安慰你） -> 让你感到情感上的获益（心里舒服了） -> 让你感到安全舒适 -> 最终让你愿意继续使用。
- 比喻： 就像你走进一家咖啡馆，店员微笑着递给你一杯热茶（同情），你感觉暖洋洋的（获益），觉得这里很放松（舒适），下次还想来（愿意）。
行为路线（走脑）：
觉得 AI 有用 + 朋友都在用（社会影响） + 操作简单 -> 形成了习惯 -> 最终让你愿意使用。
- 比喻： 就像你发现大家都用某款打车软件，而且它确实快、好用，你慢慢就养成了“出门就打开它”的习惯，不需要再想太多。

给未来的建议：如何把这件事做好？

基于这些发现，作者给学校、开发者和政府提了几个像“食谱”一样的建议：

对学校： 别把 AI 当成替代心理咨询师的“机器”，要把它当成助手。就像给学校图书馆加了一个"AI 图书管理员”，它能帮你找书、安抚情绪，但如果你病得很重，它应该立刻把你转介给真人医生。同时，要教学生如何安全地使用 AI（AI 素养教育）。
对开发者： 设计 AI 时，要像菲律宾妈妈一样温暖。要用菲律宾语和英语双语交流，语气要亲切，要懂得尊重当地的文化（比如懂得“面子”和“谦虚”的重要性）。还要像保护保险箱一样保护学生的隐私数据。
对政府： 制定规则，确保这些 AI 工具是安全的、公平的，不会泄露学生的秘密。

总结

这篇论文告诉我们：菲律宾学生其实并不排斥 AI 心理支持，只要它足够“懂”他们（有同理心）、足够“顺”他们（有习惯）、足够“稳”他们（有安全感）。

AI 不是冷冰冰的机器，如果设计得当，它可以成为学生心中那个永远不会评判、永远在线的“树洞”，帮助他们在数字时代更好地照顾自己的情绪。

以下是基于论文《Filipino Students' Willingness to Use AI for Mental Health Support: A Path Analysis of Behavioral, Emotional, and Contextual Factors》（菲律宾学生使用 AI 进行心理健康支持的意愿：行为、情感与情境因素的路径分析）的详细技术总结：

1. 研究背景与问题 (Problem)

背景：人工智能（AI）在心理健康领域展现出巨大潜力，能够识别心理障碍早期迹象并提供个性化支持。然而，在菲律宾等集体主义文化背景下，学生普遍存在对心理健康问题的病耻感（Stigma）、自我依赖倾向以及对专业帮助的回避心理（如“羞耻感”Hiya 和“害怕被评判”Takot sa panghuhusga）。
核心问题：尽管技术可行，但菲律宾学生使用 AI 进行心理健康支持的意愿受哪些因素影响？现有的西方技术接受模型是否适用于解释菲律宾学生在情感、行为和文化背景下的特定行为模式？
研究缺口：缺乏针对菲律宾高等教育环境中，结合情感共鸣（Empathy）、习惯（Habit）和文化情境（Contextual factors）来预测学生使用 AI 进行心理支持意愿的实证研究。

2. 研究方法 (Methodology)

研究对象：536 名菲律宾大学生（女性 364 人，男性 168 人，非二元性别 4 人），所有参与者均曾使用过 AI 聊天机器人进行情感支持或压力管理。
数据收集：通过在线匿名问卷调查，采用 5 点李克特量表（1=非常不同意，5=非常同意）。
测量构念 (Constructs)：
- 自变量/中介变量：感知有用性 (PU)、感知易用性 (EOU)、社会影响 (SI)、促进条件 (FC)、情感收益 (EB)、习惯 (HAB)、共情反应 (ER)、舒适度 (COM)。
- 因变量：使用意愿 (WILL)。
- 控制/背景变量：学业压力 (STRESS)。
数据分析方法：
- 信度检验：所有构念的 Cronbach's $\alpha$ 系数均在 0.70 以上（大部分 >0.85），表明内部一致性良好。
- 多重共线性检验：方差膨胀因子 (VIF) 在 1.5–2.8 之间，远低于阈值 5，排除多重共线性问题。
- 路径分析 (Path Analysis)：构建结构方程模型，检验行为、情感和环境路径对“使用意愿”的直接影响和间接影响。模型假设了从共情反应到情感收益，再到舒适度和意愿的情感路径，以及从 PU/EOU/SI 到习惯，再到意愿的行为路径。

3. 关键贡献 (Key Contributions)

构建整合模型：提出了一个包含行为（习惯）、情感（共情、舒适）和情境（促进条件）三维度的综合路径模型，解释了菲律宾学生使用 AI 心理支持的意愿机制。
文化情境化验证：将“习惯”确立为行为锚点，将“舒适度”确立为情感安全门，验证了这些概念在菲律宾集体主义文化（强调和谐、避免冲突）中的特殊重要性。
揭示“习惯”的主导作用：发现习惯是使用意愿的最强预测因子，表明一旦 AI 使用行为内化为日常惯例，其持续性将不再单纯依赖理性评估。
情感共鸣的机制解析：证实了 AI 的共情能力（Empathic Response）通过提升情感收益和舒适度，间接显著影响使用意愿，特别是在减少病耻感方面。

4. 研究结果 (Results)

模型对“使用意愿”的解释力（ $R^2$ ）高达 65.7%。主要发现如下：

行为路径 (Behavioral Pathway)：
- 习惯 (Habit) 是使用意愿的最强直接预测因子 ( $\beta = 0.41, p < .001$ )。
- 感知有用性 ( $\beta = 0.39$ )、社会影响 ( $\beta = 0.29$ ) 和易用性 ( $\beta = 0.14$ ) 显著正向影响习惯的形成。
- 这表明：学生若在日常学习或生活中已养成使用 AI 的习惯，这种惯性会自然延伸到心理健康领域。
情感路径 (Emotional Pathway)：
- 共情反应 (Empathic Response) 显著影响情感收益 ( $\beta = 0.35$ ) 和舒适度 ( $\beta = 0.47$ )。
- 情感收益 (Emotional Benefit) 提升舒适度 ( $\beta = 0.19$ )。
- 舒适度 (Comfort) 显著正向影响使用意愿 ( $\beta = 0.18$ )。
- 结论：AI 若能表现出理解和不评判的态度，能显著降低学生的心理防御，使其更愿意披露敏感信息。
情境路径 (Contextual Pathway)：
- 促进条件 (Facilitating Conditions)（如设备可用性、网络稳定性）直接正向影响意愿 ( $\beta = 0.11$ )。
- 感知有用性 (Perceived Usefulness) 对意愿有微弱的直接正向影响 ( $\beta = 0.09$ )，但其主要作用是通过促进习惯形成来间接影响意愿。
排序：影响意愿的因素强度排序为：习惯 > 舒适度 > 情感收益 ≈ 促进条件 > 感知有用性。

5. 研究意义与建议 (Significance & Recommendations)

理论意义：
- 扩展了技术接受模型（TAM/UTAUT），证明了在心理健康这一高敏感领域，情感因素（舒适度、共情）与行为习惯比单纯的“感知有用性”更具决定性。
- 强调了在集体主义文化中，非评判性的 AI 交互可以作为打破病耻感的有效中介。
实践与政策建议：
- 对高校：应将 AI 聊天机器人作为现有心理咨询服务的补充而非替代。需建立 AI 素养教育项目，明确数据隐私边界，并制定清晰的转介机制（当 AI 无法处理严重危机时转介真人专家）。
- 对开发者：
  - 共情设计：AI 需具备识别情绪并做出温暖、非临床化回应的能力。
  - 本地化：支持英语和菲律宾语（Tagalog）双语交互，融入“尊重”、“谦逊”等本土价值观。
  - 安全性：强化数据加密和隐私保护，建立用户信任。
- 对政策制定者 (CHED, DOH, DICT)：制定国家层面的 AI 心理健康应用伦理指南，规范算法透明度、数据安全和伦理审查，确保技术应用的公平性和安全性。
未来研究方向：建议进行纵向研究以观察习惯和情感舒适度的长期变化，以及混合方法研究以深入挖掘学生数字披露的心理机制。

总结：该研究证实，要让菲律宾学生愿意使用 AI 进行心理支持，技术必须首先通过习惯养成和**情感安全（舒适度）**来建立信任，而不仅仅是强调功能效用。AI 应被设计为一种具有文化敏感性、非评判性的“陪伴者”，以辅助而非取代人类的专业关怀。