夜雨聆风【核心摘要】随着生成式AI的深度普及，用户在使用过程中的道德情绪体验成为影响技术采纳与人机关系的隐形变量。本研究针对现有测量工具的缺失，开发并验证了SAG-AI（Shame and Guilt related to AI tools）量表，专门用于测量与AI工具使用相关的羞耻感（Shame）、内疚感（Guilt）与冒名顶替综合征（Impostor Syndrome）。
通过对英国普通人群的两项横断面研究（N=602），结果表明该9题项量表具有稳健的三因子结构与良好的心理测量学属性（α=0.75~0.85），并在性别间达到标量不变性。研究揭示了三种情绪的差异化行为导向：内疚感与冒名顶替感显著负向预测AI使用频率（β=-0.23, -0.21），表现为对技术使用的抑制与回避；而羞耻感却正向预测使用频率（β=0.17），暗示羞耻可能诱发“隐瞒式使用”或防御性依赖。
该研究突破了传统技术接受模型（TAM/UTAUT）仅关注认知因素的局限，证实在AI语境下，道德情绪不仅是心理状态的反应，更是塑造用户行为模式的关键机制。SAG-AI量表的推出为教育领域的学术诚信治理、职场心理健康干预及AI产品的伦理设计提供了新的评估范式。
一、研究背景
随着生成式人工智能（Generative AI）与大语言模型（LLMs）的广泛普及，AI工具已深度渗透至教育、知识工作及日常创作中。然而，既有研究多聚焦于AI的技术效能、认知接受度（如TAM、UTAUT模型）及伦理风险，对于用户在使用AI过程中产生的社会道德情绪——尤其是羞耻感（Shame）、内疚感（Guilt）与冒名顶替综合征（Impostor Syndrome）——仍缺乏系统性的测量工具与实证考察。
在心理学框架下，羞耻与内疚是个体在感知到违反规则、伦理或社会规范时产生的核心道德情绪，二者虽常被混用，但存在本质区别：羞耻更多指向“对自我的负面评价”（自我聚焦），而内疚指向“对行为及其后果的评判”（行为聚焦）。此外，在AI辅助创作的语境下，用户常因依赖工具而质疑自身能力的真实性，进而产生“冒名顶替”式的自我怀疑。鉴于此，本研究旨在开发一套具有良好心理测量学属性的量表——SAG-AI（Shame and Guilt related to AI tools），以填补该领域标准化测量工具的空白。
二、量表开发与研究方法
研究者首先通过文献回顾与专家评审（Content Validity Index, CVI）生成22个初始题项，随后通过两项基于英国一般人群的横断面研究（各N≈300，通过Prolific平台招募）对量表进行验证。
研究一：进行探索性因子分析（EFA）、测量不变性检验（性别间）、内部一致性信度检验（Cronbach’s α）、效标效度（以UTAUT2使用频率为效标）及聚合/区分效度检验（与通用羞耻/内疚量表、AI态度量表、AI素养量表等比对）。
研究二：在不同独立样本中重复施测，进行多组验证性因子分析（Multigroup CFA）以检验量表的跨样本稳定性。
最终保留9个题项，分为三个维度（各3题）：
AI Shame（如：“我觉得依赖AI让我变得不如他人”、“我认为自己因需要AI辅助而有缺陷”）；
AI Guilt（如：“我因AI对环境的影响而感到内疚”、“我把本可以自己做的任务交给AI时感到内疚”）；
AI Impostor Syndrome（如：“我用AI时觉得自己像个冒名顶替者”、“我觉得用AI时自己假装拥有某些技能”）。
三、主要研究结果
因子结构与信度
EFA与CFA均支持清晰的三因子结构，三个因子共解释60%的得分方差。各子量表的内部一致性信度良好（Cronbach’s α：羞耻感=0.75，内疚感=0.85，冒名顶替=0.82）。
测量不变性
量表在男性与女性群体间达到标量不变性（Scalar Invariance），且在两个独立样本间也具备跨样本稳定性，表明不同性别与群体对题项的理解与反应模式具有可比性。
使用频率的预测效度
线性回归结果显示：
AI Guilt 与 AI Impostor Syndrome 与AI工具使用频率呈显著负相关（β=-0.23, -0.21, p<0.01），即内疚感与冒名顶替感越强，使用频率越低；
AI Shame 与使用频率呈显著正相关（β=0.17, p<0.05），即羞耻感越强，使用频率反而越高。
模型整体解释力R²=0.096。
聚合与区分效度
SAG-AI各子维度与通用特质羞耻量表（TOSCA-3）、状态羞耻量表（ESS）呈弱至中度正相关；与AI总体态度（AIAS-4）、AI素养（AILS）呈显著负相关。但“AI Guilt”子维度与通用内疚量表（GASP）关联较弱，提示AI情境下的“内疚”可能具有独特的指向性（如对系统性伦理问题的担忧）。
四、讨论与理论启示
羞耻与内疚的差异化行为预测：研究结果挑战了“负面道德情绪均阻碍技术采纳”的简单假设。内疚常促使个体采取补救或修正行为（如减少使用），因而负向预测使用频率；而羞耻作为一种防御性、自我聚焦的情绪，可能促使用户通过隐瞒使用行为、合理化或回避策略来管理情绪，从而导致使用频率不降反升。这一发现为人机交互中的“情绪—行为”路径提供了新证据。
冒名顶替综合征的独立性：AI使用中的冒名顶替感与性别无显著关联（不同于一般语境下的性别差异），且与使用频率负相关，提示在教育与创意工作中需关注此类自我效能威胁。
工具价值：SAG-AI量表可应用于AI接纳研究、教育中的学术诚信与心理健康支持、AI工具设计中“披露安全（disclosure-safe）”功能的开发，以及补充现有技术接受模型中的“道德—情感摩擦”变量。
五、研究局限与未来方向
样本限于英国英语语境，跨文化效度需进一步验证；
横断设计难以推断因果与长期情绪动态，未来可采用纵向或日记法；
“AI Guilt”子维度的理论边界尚需厘清（如与广义环境内疚、劳动伦理内疚的区分）；
可结合生理或多模态数据深化情绪状态的测量。
参考文献
Cipriani, E., Menicucci, D., Greco, A., & Grassini, S. (2026). Emotional responses to AI use: Development of the SAG-AI scale for shame and guilt. International Journal of Human-Computer Interaction, 161, 108429. Advance online publication. https://doi.org/10.1080/10447318.2026.2648803
Today's Motto