ARTICLE · 1181472
学术速递|AI如何影响残障者的身份表达
阅读提示：
本文约 6200 字，听读时长约 14 分钟，建议根据个人习惯调整读屏语速，以获得更好的收听体验。
低视力伙伴可点击右上角菜单中的“调整字体”，设置舒适的文本大小。
如有其他阅读需求，欢迎随时给我们留言反馈。
图一：本期封面图
编者荐语
“我不信任它，但我仍然使用它。”本期介绍的论文通过7场焦点小组，听取了20名不同残障背景参与者的经验。他们认可AI节省精力、减少求助压力，也担心答案出错、隐私泄露，以及自己的语言和身份被误解。一位参与者曾因邮件的表达方式被教授斥为“不专业”，此后开始请ChatGPT改写邮件；另一位参与者在学校没有提供转写支持时，用AI补上了课程中的沟通缺口。生成式AI带来的便利，嵌在这样的日常处境里：原有支持不足，人们需要找到完成学习、工作和交流的办法。
这篇论文把使用AI的经验拓展到“便利”之外。反复提示、核验结果、披露个人信息和支付费用，都成为获得支持的一部分。AI能否真正提供无障碍支持，也要看使用者能否按自己的意愿表达自己。
学术名片
中文题名：
“我不信任它，但我仍然使用它”：残障者使用生成式AI过程中的信任、隐私与身份协商
原刊题名：
“I Don’t Trust it, but I Use it”: Navigating Trust, Privacy, and Identity in Disabled People’s Use of Generative AI
摘要：
随着生成式人工智能（GenAI）融入日常技术，它为残障者带来了新的无障碍机会和风险。然而，我们对残障者如何在日常生活中使用生成式AI，尤其对信任、隐私和交叉性身份如何影响这些经验，了解仍然有限。本文呈现7场跨残障群体焦点小组（N=20）的发现，考察残障者如何应对生成式AI。
我们的发现表明，生成式AI支持自主性、效率和沟通，同时引入无障碍税与伦理困境。虽然参与者表达了怀疑，许多人仍出于需要继续使用。我们还发现了与身份有关的收益和张力：生成式AI可以保留并认可交织的多重身份，也会误述和抹除这些身份。
我们将这些协商理解为获得支持与风险之间的持续权衡，呼吁后续研究进一步考察“无障碍”（access）如何被界定。本文为创建透明、可信且能够回应交叉性身份的生成式AI工具提出了启示。
作者：
Jazette Johnson, Aaleyah Lewis, Jennifer Mankoff, Olivia Banner
华盛顿大学Paul G. Allen计算机科学与工程学院
文献来源：
Johnson J, Lewis A, Mankoff J, Banner O. “I Don’t Trust it, but I Use it”: Navigating Trust, Privacy, and Identity in Disabled People’s Use of Generative AI. Proc SIGCHI Conf Hum Factor Comput Syst. 2026;2026:1193.
一、引言
生成式AI正在进入残障者的学习、工作和日常交流。它可以帮助获取信息、组织表达和完成任务，也会把错误、偏见和数据使用风险带进这些活动。使用者需要在具体处境中判断，一项功能是否有用，以及怎样使用它。
这种判断受到既往经验和现有支持条件的影响。辅助技术研发中缺少残障者参与，计算系统中的健全主义（ableism）假设又把健全者的能力视为默认标准。这些经历塑造了对新技术的怀疑；信息、沟通和独立生活所需的支持不足，却又使人们依靠技术。
残障还与族裔、语言、性别等身份交织。既有研究多集中于单一残障群体或少数身份组合，对不同残障者如何在日常使用中处理信任、隐私与多重身份，了解仍有限。
这篇论文围绕3个问题展开：残障者怎样使用生成式AI，尤其怎样借助它获得无障碍支持；哪些因素影响信任或不信任；使用过程中出现了哪些与身份有关的收益和困难。
二、相关研究
交叉性（intersectionality）为理解这些经验提供了视角。论文借助Crenshaw、Collins等学者的论述，说明残障、族裔、语言和性别与社会权力关系交织，塑造具体的技术经验。理解一位使用者，需要看这些关系怎样共同影响其获得支持的条件。
2.1 生成式AI、身份及其交叉关系
既有生成式AI研究分别关注残障、族裔、性别和语言偏差。作者在考察的既有文献中，只找到3项涉及残障与其他身份交叉的研究，且各自集中于较窄的残障群体。围绕未来用途的设想与已部署工具的实际经验，也需要分别考察。
2.2 残障者当前的生成式AI使用
已有研究记录了写作、构思、沟通、视觉任务与情绪支持等用途。不同群体关注的任务有所差异：视障使用者常谈及家务和空间导航，神经多样性及聋人或重听使用者还关注认知负担与疲劳。
信任与风险的取舍贯穿这些经验。支持需求得不到满足时，人们会接受一定错误风险；AI也可以减轻被他人评价、反复求助的压力。另一方面，减少人际交流可能影响联系、学习和技能发展。
隐私、健全主义和身份抹除构成另一组问题。既有研究发现，视觉辅助工具的数据处理引发担忧，生成的残障形象可能落入刻板印象，沟通规范也可能抹去神经多样性、聋人文化或其他文化表达。
工具自身的无障碍同样影响使用。屏幕阅读器遇到的界面问题，以及以文本为中心的设计，会使获得支持的过程增加障碍。
三、不同残障群体日常使用
生成式AI的研究
作者选择焦点小组，让参与者相互补充经验、表达共同关注和不同意见。为减少主导发言及敏感经验披露的影响，研究安排较小的小组，采用主持引导，并提供后续补充交流的机会。
研究通过美国残障社群组织及滚雪球方式招募18岁以上、自我汇报残障或慢性病者，生成式AI使用者和不使用者都可参与。7组共有20人，每组2-5人，讨论约90分钟。研究还采用人工筛查，并按规则剔除受冒名参与影响的小组资料。
参与者年龄为18-85岁，涉及视听、认知、精神健康、运动、言语、慢性病和神经多样性等背景，其中10人有多重残障。17人使用生成式AI，3人不使用。
补充背景问卷由10人填写。背景数据采用描述统计，小组讨论采用反思性主题分析（reflexive thematic analysis）：两位研究者先归纳编码，再讨论和聚类，结合研究问题与新出现的经验，迭代形成主题。
讨论提供字幕、口译，提前发送的问题，并支持聊天文字回答和休息。两组特别照顾主要依靠辅助与替代沟通（AAC， Augmentative and Alternative Communication）或文字聊天的参与者，并延长交流时间。
团队成员具有不同的残障、族裔、性别和性向经验。3位作者使用生成式AI，1位主动不用；这些不同位置共同参与了对工具收益、风险和排斥经验的解释。
四、研究发现
焦点小组中的经验集中在日常用途、信任与风险、身份表达，以及获取支持的额外成本。参与者一边利用AI减轻任务负担，一边调整使用方式，以应对工具和生活环境中的障碍。
4.1 当前的生成式AI使用及其功能
论文把生成式AI的用途归入创作、专业与学习支持、信息查询、无障碍辅助4个主要领域。无障碍需求也贯穿其他活动，例如借助文本生成完成邮件，或借助视觉输出参与设计。
Thomas使用BeMyAI拍摄时，工具会提示拇指遮住了镜头，减少了反复拍照却不知道问题出在哪里的压力。视障设计师Nicole则通过详细指令生成视觉与代码原型，处理了多年困扰其工作的障碍。
Amy在学校未提供转写支持时，借助AI跟上课程。Alexander感到自己的表达方式得到接纳，因为可以只输入缩写或不完整句子，也能得到AI整理后的回答。这些帮助节省了精力，也填补了原有支持的缺口。
4.2 应对不信任：在系统性风险中使用生成式AI
“每天都用”可以反映一种实际的依赖。Kim需要AI帮助阅读和交流，形容它像自己的另一个副本。虽然没有人无条件信任工具，但实际的状况是大家依然“每天都用”，使用需求与对系统的怀疑经常同时存在。
准确性担忧在需要精确结果、又难以核验的任务中尤其突出。Thomas担心识别纸币金额出错。一些参与者把使用限制在风险较低、还能自行调整的任务，另一些通过持续追问判断回答是否可靠。核验也随之成为新的时间和认知劳动。
参与者还担忧AI的能源和水消耗，以及训练过程中的伦理问题。Lex表示自己对此警惕，却又需要工具；Sophia则把环境和透明度问题作为拒绝使用的理由。现实支持条件影响了这些选择。
企业怎样对待残障者，同样影响信任。Ethan关注公司的隐私与无障碍实践，Sara认为残障社群参与不足。Fran担忧企业领导层对LGBTQ群体的态度；Lex把新技术的风险与原住民社群曾遭遇的技术伤害联系起来。
隐私担忧涉及训练方式、数据出售、声音仿冒及保护措施。有人根据平台熟悉程度选择工具，也有人在求职和沟通需要下继续使用。例如，Emory表达了对工具的不信任，同时依靠它处理求职中的表达要求。
AI还减轻了人际帮助中的一些负担。Ethan向他人求助时，需要解释设备和自己的需要，处理对方的紧张或误解；AI对话省去这部分关系劳动。Lex曾因邮件表达被教授斥责，后来请ChatGPT调整语气，以减少类似经历。
主动拒绝使用也是研究呈现的选择。3名不使用者提出了环境、透明度或个人信息风险等担忧。论文将主动拒绝使用界定为抵制，并与选择性或情境性使用中的协商区分开来。
4.3 围绕多重身份协商生成式AI输出
身份保留指语言和身份特点能够延续，身份认可则关注使用者是否感到被理解、尊重和看见。支持性的语码转换（code-switching）涉及随沟通情境调整语言、行为或表达方式。参与者对这些支持有不同偏好。
4.3.1 身份及其交叉关系的保留
多语言支持可以同时回应语言与感知需要。Thomas让ChatGPT读取西班牙语材料并翻译，也把英语内容转成西班牙语，帮助母亲获取信息。工具还用西班牙语描述图片。这些使用把自身的支持需要与家庭中的相互照顾连接起来。
Amy试用过皮钦英语回答，认可工具支持这种语言的能力。对主要使用美国手语的Jasmine而言，情况不同：她希望用手语输入、得到英语输出，所接触的工具却偏向语音和文本，迫使她面对英语作为第二语言的障碍。
Ann借助语音工具减轻长时间打字带来的慢性疼痛，但口音相关问题又使她需要额外修正。语言支持的收益与适配负担，在同一项活动中交织。
未说明身份时，输出也会带入默认用户形象。Sara生成社交媒体图片时，经常得到白人男性；Tonya发现，若没有说明自己是黑人残障者，得到的回答往往会与自身处境缺少联系。因此她们不得不做更多的补充说明和调整。
4.3.2 身份及其交叉关系的认可与肯定
有些回应使参与者感到被理解。Tonya说明残障后，觉得回答照顾了自己的情况；Lex可以按习惯表达，AI仍能理解。Kim在西班牙语对话中得到陪伴。她说，向他人求助虽值得感激，却会让她更强烈地感到自己“残障”；AI减轻了这种关系负担，也肯定了她的残障与语言身份。
身份进入输出之后，也可能被刻板化。Ann希望生成黑人女性的节日图像，却得到同质化形象；Michelle为黑人青年活动制作文案时，遇到带有冒犯意味的俚语。工具对群体内部差异的处理，影响了表达质量。
Thomas还报告，不同语言的技术提问得到不同回答：有的识别出Python编程问题，有的转而解释蟒蛇。他把这种差异联系到种族与族裔偏差，以及谁参与建设这些系统的问题。
性别表达也会失真。Sara发现，“非二元性别”被替换成“酷儿”，使不同概念混在一起；她还需要反复处理带有性别歧视、缺少多元文化考虑的文案。
Alexander则欢迎AI生成标准美式英语。他有阅读障碍，平时使用俚语、缩写和不完整句子；AI理解这些输入，并承担了调整表达的工作。他认可这种支持，因为输出符合自己的沟通目标。
4.4 获得效率收益，同时承担无障碍税
论文借助Olsen等人提出的无障碍税（accessibility tax），讨论使用者为了获得支持或取得同等收益而额外承担的成本。这些成本包括金钱、信息披露，以及反复提示、适配和核验所需的时间与认知劳动。
费用影响支持的可得性。Amy觉得免费版本的使用限额妨碍任务，付费又构成压力。Morgan关注按量付费时难以预知每次查询成本的问题。Sophia则质疑，为不稳定或不准确的转写继续付费是否值得。
个人信息披露也需要取舍。有人避免敏感资料、使用化名或只做低风险任务。Thomas不知道待识别文档包含哪些信息，担心上传后暴露隐私，因而转请信任的人阅读；信息本身不可及，也影响了保护隐私的能力。
对残障信息的披露，不少参与者态度更积极。Kim认为，工具需要知道自己的残障才能提供帮助；Tonya把说明ADHD视为获得合适回答的一部分。多数参与者对此没有强烈担忧，披露也可以承载自我表达和获得支持的意愿。
反复提示要求用户持续纠正工具。Nicole询问表单中哪些项目被选中，AI回答“带红色勾选标记的项目”，她只得再次提醒自己看不见。Sara反复要求图像呈现多样身份，仍得到同样的白人男性形象。
一些人尝试让适配延续到后续任务。Ethan选用本地训练的模型，认为它减少了公共数据的偏差，同时承认仍会形成自己的偏差。Tonya则先详细说明黑人残障身份，再提出问题，以获得更贴近自身处境的回答。
输出质量还要靠后续加工。Fran把ChatGPT的结果交给Claude继续调整。Lex提醒，精力有限的人未必能多走一步核验；急需完成任务时，速度与准确性之间的取舍会更紧迫。
核验也把亲友和专业人员重新带进支持过程。Thomas请有视力的人确认信息，其他参与者用搜索或不同工具比对。Kim在原有就医对话中向医生重复提问，减少另行求助的负担，同时占用了问诊时间，并增加记忆和比较的工作。
五、讨论
参与者会随任务调整使用方式，持续权衡和设定边界。他们获得效率与自主行动的支持，也需要处理信任、隐私和身份问题。论文据此提出3组设计与研究方向。
5.1 面向不信任的设计
作者将技术依赖联系到健全主义、社会孤立、社群支持不足、工作场所便利不足和医疗服务障碍。这些条件需要改善，工具本身也需要更可靠。设计应从使用者实际面对的支持选项与风险出发。
不同任务需要不同支持。医疗求助可能受等待时间或服务缺口限制，作者提出提供易读解释、与个人情况相关的风险提示和信息核验，并连接远程医疗、残障专门服务及药师咨询等多种专业支持路径。
核验的难度也因人而异。执行功能困难、记忆障碍或脑雾可能增加判断可靠性、追踪已核验结果的负担。给出来源之后，使用者还要核对内容和情境；论文建议在界面内提供来源比较、交叉引用和相关资源。
组织与社群可以参与这项工作。后续研究需要考察使用者的核验和隐私策略怎样传播、哪些支持能减轻个人负担，让生成式AI成为多种可靠支持途径中的一个选择。
5.2 身份管理中的无障碍及通过身份管理获得无障碍
论文沿着已有研究对无障碍的扩展，将功能支持与症状、未来影响、劳动成本和自主性联系起来。在本研究中，语言与身份怎样进入输出，也影响使用者怎样理解获得支持。
首先，无障碍应由使用者定义。同一种标准化输出，有人觉得自己的表达被抹去，有人觉得更容易完成沟通。系统需要让用户方便地设置并持续保留无障碍需要和身份偏好，也能随情境调整。
其次，工具可以重新分配身份协商的劳动。对外写邮件时，AI承担一部分语码转换，帮助用户处理外界对表达方式的期待。这种调整也涉及特征掩饰（masking），即调整或隐藏神经多样性特征。作者建议研究不同情境中的收益、张力及适合的默认设置。
与AI交流本身，也应允许使用者保持自己的表达。能被理解而无需先调整语言，减轻了持续适配和受评价的压力；部分参与者由此得到陪伴感。对外表达的调整与对话中的自我表达，分别回应不同需要。
5.3 减少无障碍税
作者把设计范围扩展到核心任务之外：隐私控制、数据用途和训练政策也应可及，用户需要能够了解并调整设置。生成结果则要匹配感知与语言需要，例如向视障用户说明选项时提供其能够使用的信息。
语言资源不均会加重劳动。部分场景中，支持较充分的语言自然延续到输出；方言和支持较少的语言却需要用户反复说明。多重身份被默认形象或刻板印象覆盖时，使用者还要持续修正内容。作者把这些劳动与既有的“黑人税”（Black tax）联系起来。
这些成本与残障、族裔、语言、性别和酷儿身份交织。论文提出，减少无障碍税需要考察具体群体额外做了哪些工作，再研究工具怎样承担这些任务，让使用者更容易获得自己需要的支持。
六、研究局限
研究以美国和西方经验为主。不同社会对残障、无障碍与身份的理解，会影响生成式AI的使用和抵制。样本中的残障、族裔、性别及语言群体代表不均，宗教、阶层和体型等身份维度也尚未充分纳入。
仅3名参与者主动不使用AI，对抵制的动机和持续情境仍需进一步了解。后续研究也需要考察停止使用的经验，以及多重身份如何影响这些选择。
AI减轻了部分人际求助负担，也可能减少共同学习、协商和相互照顾的机会。这也是作者提出的后续研究问题。
七、结论
7场焦点小组呈现了生成式AI在自主行动、效率和沟通中的支持，以及相伴的成本。信任是有条件的：它受必要性影响，通过持续核验形成，也受可靠性、伦理保障和数据实践担忧的限制。多重身份可以被保留和认可，也会被误解、扭曲或抹去。
论文提出建设透明、可信且回应多重身份的工具，并继续考察无障碍怎样被定义和协商。作者还建议资助残障相关的生成式AI研究，要求研发过程考虑无障碍，并让残障使用者参与监管过程。
供稿丨张唯一
校对丨于小斐
排版丨谭芷琦
初审丨陈敏捷
复审丨冯秀成
本文内容仅供参考，不代表无障碍世界观点。本文仅作学术交流与文献推介使用；原文版权归作者及原刊物所有。
欢迎点击下方图片二维码关注我们！
