生物节律在生成式人工智能(Generative AI / GenAI)成瘾中的作用：时型(Chronotype)与睡眠质量(Sleep Quality)的关联研究

《International Journal of Mental Health and Addiction》：The Role of Biological Rhythms in Generative AI Addiction: Associations with Chronotype and Sleep Quality

　　

摘要：生成式人工智能(Generative Artificial Intelligence, GenAI)技术在大学生群体中的快速普及引入了新的科技相关行为风险领域。尽管既往数字成瘾研究主要关注互联网及智能手机过度使用的心理学决定因素，昼夜偏好(circadian preference / chronotype)和睡眠(sleep)在问题性GenAI使用中的潜在作用仍未被充分探讨。本研究考察了时型(chronotype)、睡眠质量(sleep quality)与GenAI成瘾(GenAI addiction)之间的关联。采用横断面调查(cross-sectional survey)，使用人工智能成瘾量表(Artificial Intelligence Addiction Scale, AI-AS)、复合晨型量表(Composite Scale of Morningness, CSM)及匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index, PSQI)对某公立大学868名本科生收集数据。结果显示，夜晚型(evening-type)学生较早晨型(morning-type)和中间型(intermediate-type)学生报告更高的GenAI成瘾得分，且较差睡眠质量(poor sleep quality)与GenAI成瘾呈正相关。在控制年龄、性别及睡眠质量的回归模型中，时型仍与GenAI成瘾得分显著相关，而性别无统计学意义。上述结果表明昼夜偏好(circadian preference)与睡眠质量是GenAI成瘾的相关变量，并强调需在高等教育背景下开展进一步纵向及多方法研究。

论文解读：《The Role of Biological Rhythms in Generative AI Addiction: Associations with Chronotype and Sleep Quality》，发表于《International Journal of Mental Health and Addiction》

一、研究背景与立题依据

既有数字成瘾（如网络游戏障碍、社交媒体成瘾）研究多聚焦于心理社会学决定因素，对生物节律维度的关注有限。时型(chronotype，亦称morningness-eveningness)反映个体内源性昼夜节律(endogenous circadian system)在睡眠—觉醒周期上的偏好差异，夜晚型(evening type)个体已被证实具有较高的冲动性、寻求新奇感(novelty seeking)特质及较弱的自我调节能力，且既往文献反复报道其与问题性互联网使用(problematic internet use)、智能手机成瘾(smartphone addiction)及电脑游戏依赖正相关，机制常被social jetlag（社会时差——生物钟与社会时钟错位导致的心理应激与自我调控耗竭）所解释。生成式人工智能(GenAI)不同于被动浏览，具交互性、拟人化(anthropomorphic)对话反馈及即时强化特性，可能特别吸引夜间活跃且易孤独的夜晚型学生形成准社会关系(parasocial bond)，进而诱发强迫性使用。此外，睡眠质量(sleep quality)受损可削弱前额叶抑制控制(prefrontal inhibitory control)，构成数字成瘾的双向恶性循环。然而迄今尚无实证研究检验时型与睡眠质量对GenAI成瘾的独立及联合贡献，此即本研究欲填补的空白。

二、研究对象与方法概要

研究人员采用横断面调查设计(cross-sectional survey design)，于2025年9月至12月通过纸质与在线问卷对土耳其某国立大学868名本科生（女57.6%，男42.4%；Mean_age=20.82±2.23岁，范围17–38岁；方便抽样）施测以下工具：①人口统计学问卷（含性别、年龄、AI使用频率）；②复合晨型量表(Composite Scale of Morningness, CSM；13题Likert，总分13–55，低分＝夜晚倾向eveningness，本样本按第10与第90百分位数划为evening type ≤20，intermediate type 21–44，morning type ≥45；本研Cronbach's α=0.76)；③匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index, PSQI；7成分总分0–21，＞5分为睡眠质量差poor sleep quality；本研α=0.76)；④生成式人工智能成瘾量表(AI Addiction Scale, AI-AS；18题五点Likert，总分18–90，含突显Salience、心境修饰Mood Modification、过度依赖Excessive Dependency、功能损害Functional Impairment四维度，高分＝问题性/强迫性GenAI使用程度；本研α=0.93)。统计分析含描述性统计、Pearson积矩相关(Pearson product-moment correlation)检验变量双变量关联；3（时型：早/中/晚）×2（睡眠质量：好/差）×2（性别：男/女）协方差分析(ANCOVA)，以年龄为协变量检验GenAI成瘾组间差异；分层回归(hierarchical regression)分步纳入人口学变量→PSQI→CSM以评估增量解释方差；显著性水准p＜.05，Bonferroni校正多重比较，IBM SPSS 26.0分析。

三、研究结果

描述性统计与相关分析(Descriptive statistical analysis and correlation analysis)

全体样本AI-AS均值M=40.16(SD=13.48)，提示中度GenAI成瘾倾向；PSQI均值M=6.89(SD=2.04)表明整体睡眠质量偏差；CSM均值M=32.38(SD=6.17)属中间型偏夜。每日使用GenAI者AI-AS最高(M=44.28)。Pearson相关显示：GenAI成瘾与PSQI呈小幅度显著正相关(r=0.204, p＜.001)，即睡眠质量越差成瘾分越高；GenAI成瘾与CSM呈小幅度显著负相关(r=-0.146, p＜.001)，即CSM越低（越偏向夜晚型eveningness）GenAI成瘾越高；CSM与PSQI亦显著负相关(r=-0.281, p＜.001)，即夜晚型伴更差睡眠质量。各AI-AS分量表与PSQI、CSM呈相同方向关联。

因子协方差分析结果(Results of the factorial ANCOVA)

控制年龄后，时型对GenAI成瘾主效应显著(F(2,855)=5.03, p=.007, η²=0.012)，夜晚型与中间型均高于早晨型；睡眠质量主效应显著(F(1,855)=4.28, p=.039, η²=0.005)，睡眠质量差组成瘾分更高；性别主效应及所有交互效应（时型×睡眠质量、性别×时型、性别×睡眠质量及三者交互）均无统计学意义(p＞.05)。

回归分析结果(Results of regression analyses)

Block 1（年龄+性别）模型不显著(R²=0.005, p＞.05)。Block 2加入PSQI后模型显著(R²=0.046, ΔR²=0.041, p＜.001)，PSQI β=0.203(p＜.001)。Block 3再纳入CSM后模型显著(R²=0.054, ΔR²=0.009, p＜.001)，最终PSQI β=0.176(p＜.001)，CSM β=-0.096(p=.005)。时型(chronotype/CSM)在控制睡眠质量后仍对GenAI成瘾具独立解释力，两变量共解释约5.4%方差。

四、讨论与结论总结（翻译浓缩）

本横断面研究显示夜晚型(evening chronotype)与较差睡眠质量(poor sleep quality)均为GenAI成瘾的显著相关因素，夜晚型学生GenAI成瘾水平高于早晨型与中间型。该关联可用social jetlag理论解释——生物与社会时钟错位引致心理应激与自我调控资源耗损，使夜晚型更易受GenAI即时交互与拟人化反馈强化；此外夜晚型具较高Behavioral Activation System(BAS) Fun-Seeking与Novelty Seeking倾向，对GenAI的不确定生成性回馈敏感。睡眠质量差通过自我调控耗竭假说(self-regulatory depletion hypothesis)——睡眠不足损害前额叶抑制控制——增加强迫性参与风险，且GenAI引发认知沉浸(flow/cognitive absorption)与蓝光抑制褪黑素(melatonin suppression)可反向恶化睡眠，形成双向循环。分层回归表明时型的效应独立于睡眠质量，提示eveningness的风险不完全由睡眠障碍中介，也源于特质性冲动/奖赏敏感性。性别对GenAI成瘾无显著影响，暗示GenAI作为学业辅助与情感陪伴工具具跨性别普遍性。时型与睡眠质量合计仅解释约5.4%方差（小效应量），故为次要个体差异因子而非主因，干预尚需综合心理—学业动机层面；但识别eveningness可作为高危筛查标记，高校可将昼夜节律意识（睡眠卫生、限制夜间蓝光暴露、规律作息）纳入数字健康倡议。局限含横断面无法推断因果、单校样本、未细分AI用途/平台、依赖自评量表未用体动仪(actigraphy)等客观指标，未来需纵向或多时间点设计验证方向性与机制。

结论翻译（浓缩）： 生物节律偏好（时型chronotype）与睡眠质量(sleep quality)是大学生生成式人工智能成瘾(GenAI addiction)的显著相关变量，夜晚型(evening-type)及睡眠质量差者与较高GenAI成瘾水平关联；控制睡眠质量后时型仍具独立预测价值，性别则无显著差异。这拓展了传统科技成瘾的行为—心理模型，纳入昼夜生物学维度，为高等教育中针对晚睡—晚起倾向学生的数字健康干预提供依据。