促进青少年参与生成式人工智能艺术疗法：基于情感维度的结构方程模型与人工神经网络双重分析
Fostering adolescent engagement in generative AI art therapy: a dual SEM-ANN analysis of emotional
Xiaojie Peng, Yi Hua Qian, Qian Bao
Frontiers in Psychology · 2025-07-23
摘要
引言：本研究探讨了生成式人工智能（AI）艺术在数字艺术疗法中的应用，重点分析其对青少年兴趣驱动型参与行为的影响。鉴于青少年心理健康问题日益凸显，揭示人工智能辅助治疗工具中的动机机制具有紧迫的现实意义与理论价值。研究方法：本研究对中国湖北省444名初高中生开展了横断面调查，结合情感化设计理论与技术接受模型（TAM）构建了预测模型，并借助结构方程建模（SEM）与人工神经网络（ANN）对模型进行验证，识别出影响青少年参与度的关键变量。研究结果：情感吸引力（ATT）、感知易用性（PF）与感知有用性（PT）是驱动青少年兴趣驱动型参与的重要预测因子，而行为层面并未对感知愉悦度（PE）产生直接影响。人工神经网络分析进一步表明，情感吸引力是最具影响力的预测因子，其标准化重要性占比高达100%，远超感知愉悦度（19.3%）。讨论：上述研究结果凸显了直观的设计、顺畅的交互体验以及信任建立对于维持青少年参与人工智能艺术疗法的关键作用。本研究不仅为理解青少年兴趣形成机制提供了理论依据，也为优化情感化设计、数字治疗工具及心理健康干预措施提供了实践参考。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于全文生成- 主要观点
- 生成式AI艺术疗法通过激发青少年的兴趣驱动参与，在数字心理干预中展现出重要潜力。研究表明，使用态度、感知乐趣和感知信任是维持青少年参与度的核心预测因子。因此，在AI艺术疗法工具的设计中，直观的界面、流畅的交互以及信任机制的构建至关重要。
- 研究方法
- 研究以444名中学生为样本进行问卷调查，结合情感设计理论与技术接受模型构建了综合预测框架。数据分析采用结构方程模型和人工神经网络双重方法，以验证模型并精准识别影响青少年参与行为的关键预测变量。
- 学术贡献
- 该研究创新性地整合了情感体验与认知接受理论，构建了认知-情感-行为的综合机制模型。这不仅填补了AI艺术疗法在青少年兴趣形成及长期参与动机方面的理论空白，也为数字治疗工具的界面优化和心理干预实践提供了实证依据。
- 存在局限
- 材料中未明确提及。
- 进一步研究方向
- 材料中未明确提及。
本综述由 AI（GLM-5）阅读开放获取全文自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Art Therapy and Mental Health