《Computers in Human Behavior》：Measuring Machine Companionship Experiences: Scale Development and Validation for AI Companions
编辑推荐：
本刊推荐：为应对机器陪伴(MC)领域概念混乱、测量工具缺失的现状，Jaime Banks团队基于五维度理论框架开发了AI伴侣(AIC)专用量表。通过探索性因子分析确立幸福交换(EE)与联结协调(CC)双因子结构，验证研究发现存在社会工具性与自为目的性两种陪伴模式，为理解人机关系提供了超越传统人类关系范式的测量工具(Computers in Human Behavior)。
随着生成式人工智能的迅猛发展，机器陪伴技术已从科幻想象走入日常生活。从古希腊传说中自动守护者的传说到现代办公软件中令人又爱又恨的Clippy，人类与机器建立情感连接的愿景始终存在。然而当前学术界对机器陪伴的研究呈现"理论混乱与经验碎片化"状态，尤其缺乏统一的概念框架和有效测量工具。这种测量不一致性严重阻碍了对机器陪伴体验及其前因后果的系统性理解。
为解决这一难题，雪城大学Jaime Banks教授在《Computers in Human Behavior》发表重要研究，基于对现有文献的系统梳理，将机器陪伴明确定义为"人类与机器之间自为目的、协调连接、随时间展开且主观积极的体验"。该定义包含五个核心维度：二元性(涉及两个独立主体)、协调性(有目的的协同)、自为目的性(内在价值)、时间性(持续发展)和主观积极性(积极评价)。
研究团队采用严谨的量表开发流程，首先通过文献回顾和公共论坛讨论生成54个初始题项，经专家评审精简为44个题项。研究招募467名AI伴侣使用者参与调查，要求他们针对特定AI伴侣(如ChatGPT、Replika等)完成量表测评。通过探索性因子分析(EFA)和验证性因子分析(CFA)等统计方法，最终确立包含12个题项的双因子解决方案。
研究采用的关键技术方法包括：基于理论框架的题项池开发、多阶段抽样策略(通过Prolific平台和社交媒体招募不同AI平台用户)、探索性与验证性因子分析、结构效度检验(涵盖功利动机、心智感知、自我-他人重叠等变量)，以及典型相关分析探索陪伴模式差异。样本包含467名主要来自英美地区的AI用户，覆盖通用大语言模型、专用伴侣应用和社交平台嵌入式AI等不同类型。
量表开发——探索性因子分析
通过主轴因子分析和斜交旋转，研究识别出两个高度可靠的因素：幸福交换(Eudaimonic Exchange, EE)因子(ω = .93)包含7个题项，强调通过有目的的互动实现个人成长和心理提升；联结协调(Connective Coordination, CC)因子(ω = .92)包含5个题项，侧重共同在场和相互关注的协调体验。两个因子相关性达r = .702，表明既相互关联又概念独立。
初始效度检验
结构效度分析显示，量表表现基本符合理论预期：CC因子与功利动机负相关，而EE因子却呈现正相关，这一意外发现提示可能存在不同的陪伴模式。两个因子均能正向预测心智感知的能动性维度，但只有CC与体验维度显著相关。自我-他人重叠(IOS)和每周互动时间与两个因子均呈正相关，而伴侣年龄与因子得分无关。
事后探索分析
典型相关分析揭示两种明显的陪伴模式：社会工具性模式表现为EE和CC双高，与功利动机和伴侣提供感正相关；自为目的性模式则表现为CC高而EE低，与体验性心智感知、自我-他人重叠和关系需求满足正相关，与功利动机负相关。这两种模式在不同样本中均得到验证，且均与孤独感无显著关联。
验证性分析
在独立样本(N = 249)中验证双因子模型，拟合指标混合但可接受(SRMR = .051, CFI = .942)。尽管因子间相关性仍较高(r = .77)，但双因子模型显著优于单因子模型。效度检验模式大体复制，进一步支持量表的稳定性。
研究结论指出，幸福交换因子体现的是通过人机互动实现自我完善的成长促进关系，而联结协调因子反映的是人际同步产生的共享现实感。两种陪伴模板的发现挑战了传统上将自为目的性作为机器陪伴必要条件的观点，表明社会工具性关系同样构成有效的陪伴形式。
这项研究的理论意义在于首次提供了专门针对AI伴侣的标准化测量工具，将陪伴体验从前因后果变量中分离出来，为探究人机关系机制奠定基础。实践层面，量表有助于评估AI伴侣对用户心理健康的影响，指导伦理AI设计。特别是证实陪伴体验与孤独感无直接关联的发现，为当前社会担忧提供了重要数据参考。
未来研究需解决样本文化局限性(主要来自英语国家)、平台类型偏向(大语言模型用户居多)等问题，并拓展到社交机器人、语音助手等不同形态的陪伴机器。正如作者所言，我们需要建立能够同时容纳社会体验与技术功能的理论框架，不再简单以人类陪伴为标准来评判机器陪伴的价值。这项工作为理解人机关系的复杂本质迈出了关键一步，预示着陪伴技术研究将进入更精细化、更贴近用户体验的新阶段。
