基于恐怖管理理论理解人工智能焦虑:一项元分析研究

《International Journal of Information Management》:Understanding AI anxiety based on terror management theory: A meta analytical construction

【字体: 时间:2026年02月16日 来源:International Journal of Information Management 27

编辑推荐:

  本研究基于恐怖管理理论(TMT),通过元分析整合59项研究(n=91,708),系统探讨人工智能焦虑(AIAX)的前因与后果。研究发现存在性威胁、职业替代威胁、技术负面态度和身份威胁是主要前因,而防御行为显著降低个体对AI的性能预期、社会性评价及采纳意愿,同时揭示AI拟人化、媒体负面报道等变量与AIAX的关联机制。研究首次将TMT系统引入AI焦虑领域,构建理论框架并验证其适用性。

  
李春晓|苏佳琪|杨玉凡
南开大学旅游与服务管理学院,天津 300074,中国

摘要

随着人工智能(AI)技术的快速发展及其在日常生活中的日益融合,人们对失去对AI控制权的潜在担忧日益增加,这引发了学术界对AI焦虑(AIAX)的兴趣。尽管许多研究探讨了AIAX的成因和后果,但由于研究结果存在冲突且关键因素尚未达成共识,因此对该现象的理解仍不清晰。为了解决这一差距,我们对AIAX进行了元分析。具体而言,我们基于恐惧管理理论(TMT)提出了一个理论框架,以研究AIAX的成因和结果,并使用元分析技术进行了验证(k = 59,n = 91708)。研究结果表明,在成因变量中,感知到的存在威胁是最强的预测因素,其次是感知到的工作替代威胁、对技术的负面态度以及感知到的身份威胁——这些因素都会对AIAX产生负面影响,而个体的能力感知则会对其产生负面影响。此外,个人负面情绪状态、脆弱性、AI拟人化、积极的AI行为模式以及媒体对AI的负面描绘等因素也与AIAX存在小但显著的关联。在结果方面,AIAX会引发防御性反应,降低个体的表现预期、社交评价、采用倾向以及对AI的学习倾向。我们的研究不仅确定了AIAX的关键成因和结果,还将TMT理论整合到了AI研究中,为未来的研究提供了理论框架。

引言

人工智能(AI)通常被视为现代科学和技术的最重大成就之一,深刻地改变了包括市场营销、服务甚至个人陪伴在内的多个领域(Hermann, 2022; Huang and Rust, 2021; Ma et al., 2022; Zhang et al., 2026)。随着AI的快速发展和广泛应用,人们对其影响的担忧也随之增加,这促使研究人员关注AI焦虑(AIAX),即与无法控制的AI相关的恐惧和不安(Johnson & Verdicchio, 2017)。与技术焦虑不同——后者表现为因缺乏技术技能、信心不足或对数据丢失或设备损坏等错误的恐惧而产生的紧张、不确定性和不安(Chen et al., 2020, Troisi et al., 2022; Lytras et al., 2020; Meuter et al., 2003; Washizu et al., 2019)——AIAX更与AI的独特性密切相关。它涉及人们对技术支配的恐惧以及对人类被取代的象征性担忧(Pellecchia, 2025)。因此,AIAX反映了人们对非存在的深刻存在恐惧(即死亡),这与死亡焦虑密切相关。作为一种独特的技术,AI能够模仿人类智能、自主决策、独立于人类输入运行(Muehlhauser & Bostrom, 2014),甚至能够自我进化(Waltz, 2006)。这些能力传统上与人类自主性相关,引发了人们对被AI控制或取代的担忧。此外,AI与脑科学和基因工程的结合引入了“数字来世”和“意识上传”等概念,虽然这些概念看似提供了超越死亡的解决方案,但可能威胁到人类作为“有形存在”的身份,并引发对“象征性死亡”的恐惧——即人类意义的消亡(Pellecchia, 2025)。因此,对失去控制权的恐惧(即AIAX)实际上是对AI控制、取代甚至毁灭人类的恐惧,这与个体的深层死亡焦虑密切相关(Ciechanowski et al., 2019, Kang and Kim, 2022, Li and Huang, 2020, MacDorman, 2005, Xu et al., 2024)。随着AI的持续发展,AIAX也变得普遍。Ipsos在2024年4月19日至5月3日期间对32个国家的23,685名75岁以下在线成年人进行的一项调查显示,50%的人表示对AI感到紧张(Ipsos, 2024)。因此,作为对AI失控的恐惧,AIAX与死亡焦虑紧密相关,需要进一步关注。
越来越多的研究表明,如果任由AIAX无限制地传播,不仅会降低人们成功采用AI的机会,从而减少潜在的经济效益(Li et al., 2024, Xu et al., 2024),还可能对个人的工作和生活产生负面影响(Chen and Cai, 2024, Hinks, 2021)。因此,解决AIAX问题已成为紧迫的任务。然而,一些研究人员认为这些影响可能被夸大了。有证据表明,AIAX可能不会显著影响人们对AI的接受度(Algerafi et al., 2023; Weber et al., 2024),甚至可能成为提高人们学习AI意愿的动力(Wang & Wang, 2022)。因此,过度的担忧可能是不必要的。只有通过对AIAX后续影响的全面评估,我们才能有效地确定如何理解和应对它。
无论AIAX的后续影响是积极的还是消极的,探索其成因因素都至关重要(以促进或减少AIAX)。从多个角度研究了影响AIAX的因素,包括AI的设计方面(如外观和行为)、社会影响(中介观点)以及个人特征和倾向(如人格特质和个人态度)(De Graaf and Ben Allouch, 2013, Liang and Lee, 2017, Louie et al., 2014, Mays, 2024, Reich-Stiebert et al., 2019, Sindermann et al., 2022, Xia et al., 2022, Z?otowski et al., 2016)。尽管相关研究日益增多,但文献中的效应大小存在差异,有时甚至得出相互矛盾的结论(详细文献综述见附录A)。例如,一些研究发现AI拟人化与AIAX呈正相关(Bartneck et al., 2009),而其他研究则得出了不同的结论(Baddoura and Venture, 2014, Mays, 2024)。此外,导致AIAX的关键成因因素尚未明确。全面解决这些问题对于有效帮助人们利用或减轻AIAX至关重要。因此,本研究旨在回答以下研究问题:
研究问题1:AIAX的关键下游影响是什么,无论是积极的还是消极的?
研究问题2:AIAX的关键成因是什么?如何根据这些因素有效管理AIAX?
元分析使研究人员能够综合研究结果,探索AIAX与其成因和结果之间的关系(Hunter & Schmidt, 2004)。鉴于AIAX与恐惧管理理论(TMT)的关注点(即死亡意识)密切相关,我们将在TMT的指导下对AIAX进行元分析,以更有效地解决本研究的问题。具体而言,我们将基于TMT提出假设,该理论认为接触恐怖刺激(本例中为AI)会激活死亡意识,从而导致焦虑。同时,个体的文化世界观、自尊心和亲密关系构成了一个缓解焦虑的系统(Burke et al., 2010, Chen et al., 2024)。根据该理论,恐怖刺激的强度和焦虑缓解系统的强度都会影响焦虑水平(Pyszczynski et al., 2015)。为了应对焦虑,个体可能会采取防御性行为(Pyszczynski et al., 1999, Pyszczynski and Kesebir, 2011, Solomon et al., 1991)。因此,我们假设AIAX的成因(如AI拟人化和媒体叙事)通过调节AI作为恐怖刺激的强度来影响AIAX的水平。此外,个人特质被归类为焦虑缓解系统的三个关键组成部分,从而影响AIAX的水平。我们还将AIAX的防御性反应作为结果纳入框架。数据将来自现有的AIAX文献,并进行元分析以评估AIAX的成因和结果之间的关系。
因此,这项研究在方法论和理论上都有贡献。方法论上,我们使用元分析来估计AIAX与其成因和结果之间的相关性,综合先前研究中的不一致发现,得出更普遍的结论。理论上,我们利用TMT理论开发了一个全面的框架,以理解AIAX的成因和结果。该框架不仅有助于解释现有研究,还为未来的研究提供了指导。它突出了构成个体焦虑缓解机制的因素,以及可能成为AIAX关键成因的因素,并表明近端防御策略是主要的下游影响,这些影响是消极的,从而回答了本研究的两个问题。此外,我们的发现表明AIAX与存在焦虑之间存在强烈关联,同时工作替代威胁、个人能力和身份威胁之间也存在中等程度的相关性,支持了TMT理论在AIAX研究中的相关性。

章节片段

理论背景:恐惧管理理论

恐惧管理理论(TMT)由Greenberg等人(1986)提出,认为焦虑源于人类对死亡的意识,这种意识由自我意识和抽象思维等认知能力以及所有动物共有的自我保护本能共同促成。然而,人们并非总是感到焦虑;它通常由恐怖刺激触发——任何使个体意识到死亡的对象、线索或提醒(Pyszczynski et al., 1999)。

方法

元分析被用来研究AIAX的成因和结果变量。该方法解决了单个研究样本范围有限和研究结果差异较大的问题(Iyer et al., 2020)。通过定量汇总多项研究的效应大小,元分析提供了更稳健和可靠的效应大小估计,增强了结果的可信度(Xu et al., 2020)。

结果

在本研究中,Q检验表明除个人负面情绪状态外,所有变量都具有统计显著性(p < 0.05)。此外,Higgins’ I2检验显示,除个人负面情绪状态外,所有变量的异质性为中等到高(表1)。因此,最终选择了随机效应模型进行进一步分析。
Egger和Begg的检验结果表明,本研究中的大多数变量相对稳定,被替代的可能性较低

讨论

在TMT理论的指导下,这项元分析全面探讨了AIAX的成因和结果。成因被分为两个维度:塑造恐怖刺激的因素和焦虑缓解系统,共包括13个因素。研究结果表明,在塑造恐怖刺激的维度中,关于AI拟人化(包括行为和外观)对AIAX影响的矛盾结果得到了统一,支持了其对AIAX产生负面影响的假设。

CRediT作者贡献声明

李春晓:写作——审稿与编辑、监督、资源管理、项目协调、资金获取、概念化。杨玉凡:写作——审稿与编辑、初稿撰写、可视化、调查、数据分析、概念化。苏佳琪:初稿撰写、验证、软件开发、方法论设计、数据管理、概念化。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究。

致谢

本研究得到了国家自然科学基金(编号:72472076和72074126)、教育部哲学与社会科学研究重大项目(编号:23JZD014)以及南开大学百名青年学术领袖计划(编号:63243051)的支持。
李春晓,博士,南开大学旅游与服务管理学院教授,天津。她的研究兴趣包括人工智能应用和服务管理。电话号码:(86) 183221255502
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号