《International Journal of Telemedicine and Applications》：Exploring Users′ Acceptance and Engagement With Mental Health Chatbots: Insights From an Integrative Review
编辑推荐：
背景
作为心理健康照护中的支持性工具，福祉聊天机器人（chatbots）的潜力正日益得到认可。然而，用户接受度仍然较低，这表明有必要理解影响采纳与参与的因素。
目的：
本研究旨在识别影响用户对聊天机器人接受与参与的因素，并形成相关洞见，以为设计和实施更有
背景
作为心理健康照护中的支持性工具，福祉聊天机器人（chatbots）的潜力正日益得到认可。然而，用户接受度仍然较低，这表明有必要理解影响采纳与参与的因素。
目的：
本研究旨在识别影响用户对聊天机器人接受与参与的因素，并形成相关洞见，以为设计和实施更有效的心理福祉聊天机器人干预提供参考。
方法：
本研究遵循系统综述与Meta分析优先报告项目（PRISMA 2020）指南，于2024年6月开展整合性综述。研究人员在Web of Science、Scopus、PubMed、IEEE Xplore和ScienceDirect中进行文献检索，以识别2010年1月至2024年5月期间发表的同行评议论文。研究采用归纳式路径实施主题分析。
结果：
在共识别出的1232篇论文中，20项研究符合纳入标准。研究结果发展出三个主题，即技术因素、用户因素和环境因素。技术层面内部的不同子议题对用户行为具有不同影响。技术局限性以及过度拟人化已成为用户—聊天机器人交互的关键障碍；而共情、交互性、以用户为中心的设计、易用性、个性化、可用性和稳定性被发现能够促进用户参与。从用户视角看，障碍因素包括动机不足、低信任、隐私担忧和努力预期；促进因素则包括愉悦感、积极态度、学习机会和情绪。环境因素同样能够影响用户采纳行为，例如广告和社会影响。
结论：
研究发现，多种跨学科因素会影响用户对心理福祉聊天机器人的参与。这将有助于完善既有理论，并促进跨学科合作。此外，本研究为健康聊天机器人的设计者与开发者提供了有价值的指导来源。
1. Introduction
文章首先指出，心理健康服务需求持续增长而医疗资源相对短缺，已成为影响全球人类福祉的重要公共卫生挑战。在部分国家，高达90%的心理健康问题患者无法获得治疗。在此背景下，聊天机器人被视为具有前景的数字干预工具，尤其是由人工智能（AI）驱动的聊天机器人，借助自然语言处理和机器学习技术提升了语义理解与内容响应能力。文中说明，心理福祉聊天机器人可提供心理健康教育、情绪检测与评估、正念冥想训练、社会—情绪陪伴与支持，以及基于认知行为疗法的初级干预等服务，从而缓解心理健康服务资源不足与可及性偏低的问题。
引言还概述了既有研究对聊天机器人效果的双重发现：一方面，相关研究显示其在心理健康筛查、诊断与治疗中具有较高满意度，部分干预可降低抑郁症状和心理痛苦水平；另一方面，也有研究指出聊天机器人可能误解信息并提供误导性建议，进而带来潜在伤害与伦理风险。此外，用户对于交互过程中数据收集与隐私保护的担忧，已成为阻碍持续使用的重要因素。
在人群特征方面，文章指出青年成年人，尤其是18–35岁群体，是当前研究中的主要用户；女性和高学历个体占比较高。地域上，聊天机器人使用主要集中于欧洲、北美及部分亚洲发达国家，且这种分布与数字鸿沟密切相关。基于上述现实问题，研究提出有必要系统识别影响用户接受与参与的关键因素，并据此回答两个研究问题：哪些因素影响用户对聊天机器人的接受与参与；以及这些因素能够提供何种设计与应用启示。
2. Methods
2.1. Database Search
研究采用整合性综述方法，并严格遵循系统综述与Meta分析优先报告项目（PRISMA 2020）规范。研究人员在Web of Science、Scopus、PubMed、IEEE Xplore和ScienceDirect五个主要电子数据库中开展系统检索。检索策略围绕三个概念域构建：会话代理、心理健康以及接受/采纳。研究综合使用受控词汇与自由词，并通过布尔逻辑运算符AND/OR整合概念，以提升检索精度。检索范围限定为英文同行评议论文，但不限制研究设计类型。
2.2. Inclusion and Exclusion Criteria
纳入标准聚焦于探讨心理健康聊天机器人用户接受、使用与参与影响因素的研究，发表时间限定于2010年1月至2024年5月。之所以将2010年设为起点，是因为该年度被认为是面向心理健康与福祉的聊天机器人首次进入实践应用的时间。排除标准包括：仅关注可行性与有效性的研究、技术性描述文章，以及无法回答研究问题的文献。该标准体现出研究并不以疗效验证为中心，而是着重提炼影响采纳与互动的行为决定因素。
2.3. Screening and Study Selection
所有检索结果首先导入Mendeley并去重，随后进入多阶段筛选程序。第一阶段由前两位作者独立进行标题筛选；如存在分歧，则进一步查看摘要直至达成一致。第二阶段对摘要进行独立评估，若仍有争议，则通过阅读全文并讨论解决，必要时由第三位作者参与裁决。第三阶段由第一作者完成全文评估，第二作者进行核验，以保证一致性与方法学严谨性。
2.4. Data Analysis
研究采用归纳式主题分析，对影响用户接受心理福祉聊天机器人的因素进行质性整合。该方法不预设固定理论框架，有利于开放性识别行为影响因素。分析遵循Braun和Clarke提出的六阶段流程，包括资料熟悉、编码、主题生成、主题审查、主题定义与命名以及报告撰写。初始编码由第一作者完成，经第二作者审查后共同讨论并提炼主题，最终由三位作者协作确认主题与子主题。
2.5. Quality Assessment
质量评价使用JBI批判性评价工具（JBI Critical Appraisal Tools），并由两位作者独立完成。研究共评价20篇文献，涵盖横断面研究、混合方法研究、专家观点、质性研究和综述等多种设计。尽管开展了质量评估，但研究并未基于质量问题排除文献，而是将其作为结果解释时的参考依据。
3. Results
3.1. Search Outcomes and Overview
文献检索共获得1232条记录，去重后剩余772篇进入筛选。经题名与摘要筛选后，630篇被排除；随后对142篇全文进行资格评估，最终20项研究被纳入综合分析。被排除的主要原因包括研究聚焦聊天机器人的可行性或有效性、属于技术性描述，或与研究问题缺乏直接相关性。纳入文献发表于2010年至2024年之间，研究方法类型多样，表明该领域仍处于探索与积累阶段。
3.2. Demographic Character
在纳入研究中，参与者年龄信息显示，研究对象明显偏向青年群体，且多数研究的平均年龄低于45岁，其中相当比例低于25岁。性别分布上，女性参与者通常多于男性。地域上，研究集中于AI发展较快的欧洲、美国、中国、英国及其他部分亚洲地区。教育水平方面，具有高等教育背景的参与者比例明显较高。文章据此指出，当前关于福祉聊天机器人的研究样本主要是受教育程度较高的年轻成年人，而老年人及低教育程度人群的研究明显不足，这也进一步暴露了数字鸿沟在技术可及性与健康公平方面的影响。
3.3. Thematic Analysis
主题分析共归纳出三大主题：技术因素、用户因素和环境因素。
在技术因素方面，文章指出技术局限是阻碍接受与参与的核心问题之一。例如，在处理自杀意念等特殊危机事件时，聊天机器人往往缺乏足够的个性化应对能力；部分系统语言机械、内容表浅、可理解性不足；多数系统仍主要依赖决策树而非机器学习，因此在复杂对话中的适应能力有限。与此同时，拟人化是一项双刃剑特征。适度的人性化有助于增强吸引力与交互亲和力，但过度拟人化可能降低信任，强化隐私焦虑，甚至使用户产生不适。
文章还强调，易用性、可达性、共情能力、交互性与响应性、有效性、透明性、感知有用性、内容与外观设计、个性化、以用户为中心的设计以及价格价值，均是促进采纳的重要技术维度。尤其是共情、个性化和用户中心设计，被视为提升用户披露意愿、使用体验和持续参与的关键机制。聊天机器人若能够提供清晰准确的反馈、支持随时随地访问、保持适当互动节奏，并结合文化语言习惯优化界面与内容，就更可能获得积极评价。
在用户因素方面，研究识别出动机、信任、隐私担忧、污名、感知风险与收益、努力预期、愉悦感、情绪以及学习等维度。动机不足会削弱持续参与，而匿名性、保密性与客观性感知有助于建立信任。隐私担忧特别影响用户自我暴露，尤其是在涉及敏感心理健康信息时更为明显。心理健康相关污名亦会影响用户是否愿意主动使用此类工具。与此同时，如果系统被感知为难以学习或使用成本高，特别是对老年群体而言，采纳意愿会显著下降。相对地，愉悦体验、积极情绪反馈和知识学习机会能够增强用户满意度，并推动持续使用。
在环境因素方面，文章指出广告与社会影响虽被讨论较少，但具有不可忽视的作用。企业广告或医疗机构赞助有时可能削弱用户信任，尤其当用户担心商业利益介入心理健康服务时。相反，若聊天机器人获得医生、朋友或社群的推荐，用户更可能尝试使用。这说明用户行为不仅受个体认知和技术属性驱动，也嵌入于更广泛的社会传播与制度情境之中。
4. Discussion
4.1. Technical Limitations and Effectiveness
讨论部分首先围绕技术局限与有效性展开。文章指出，当前AI聊天机器人发展尚处早期，不同研究对其有效性的结论并不一致。部分研究表明其有助于缓解抑郁、压力与负性情绪，但也有研究显示用户并未感受到技术的实际有用性。作者据此认为，聊天机器人的效果受到技术成熟度和个体差异共同影响。其虽可促进自我照护与健康素养，但尚不足以替代专业心理治疗，尤其在建立治疗关系和危机干预方面仍存在显著限制。
4.2. Anthropomorphism
关于拟人化，文章认为这是聊天机器人的基础属性之一，但并非越强越好。适度拟人化可能提升亲近感，但如果视觉或交互风格过度接近人类，可能反而抑制自我披露、削弱陪伴感，甚至降低用户信任。用户在成就导向情境中还可能倾向于先自行寻找答案，而不是直接依赖机器人帮助。拟人化效果因此与用户人格特征、场景性质和隐私顾虑密切相关。作者认为，该议题仍处于早期研究阶段，未来需要进一步深入探讨。
4.3. Interactivity and Responsiveness
在交互性与响应性方面，研究强调二者是决定用户体验的关键维度。不同用户对会话风格的偏好存在明显差异：幽默、活泼的风格可能适合轻松交流，但对处于情绪痛苦中的用户则可能显得不合时宜。因此，交互设计需综合考虑个体偏好、即时情绪状态与文化背景。响应性则体现为回复是否及时、对话节奏是否适当。高水平交互往往依赖情感计算（affective computing）和自然语言处理等复杂技术，但这又可能增加处理时间，从而影响响应速度。因此，如何在交互丰富性与响应效率之间实现平衡，被视为未来设计的重要目标。
4.4. Accessibility and Acceptability
关于可及性与可接受性，文章指出年轻成年人虽然对新技术持开放态度，但常采取“观望”策略，其使用意愿会随技术迭代和社会认同而变化。随着可及性、可用性和个性化水平提高，青年用户的接受度会增强。相比之下，老年群体常面临移动应用不熟悉、经验不足以及较高学习负担等问题，导致推广更具挑战性。不过，部分研究也表明老年人与青年人在可接受性评估上未必存在显著差异。文章特别提到，在COVID-19疫情期间，健康聊天机器人的下载与使用激增，显示外部环境在特定时期可暂时克服原有采用障碍，说明社会情境与个体技术倾向之间存在动态互动。
4.5. Privacy Concerns and Ethics Issues
在隐私与伦理层面，文章指出多数用户对健康数据保护缺乏充分认识，尤其年轻用户对此关注较少；但也有一部分用户高度关心数据如何被收集、存储、访问、再利用以及是否用于商业获利。作者强调，数据治理应贯穿聊天机器人产品全生命周期，相关利益方必须明确数据获取方式、用途、存储机制、二次访问权限及收益分配逻辑。除隐私外，伦理风险同样重要。文章认为，聊天机器人尚无法像人类治疗师那样开展理性且符合伦理的治疗性对话，也难以建立真正的治疗关系，因此更适合作为辅助性治疗工具。与此同时，算法偏差与界面偏差必须在系统投入使用前接受充分测试，以降低对用户造成更广泛伤害的风险。
4.6. Theoretical and Practical Implications
文章进一步指出，影响用户参与的因素既与信息系统领域既有理论相重叠，如统一技术接受与使用理论（UTAUT）、技术接受模型、计划行为理论等，也包含现有理论尚未充分纳入的因素，如广告、过度拟人化、视觉界面、内容与呈现方式等。因此，该研究有助于修正和扩展既有理论模型，并推动营销学、心理学、人机交互与信息系统等领域的跨学科整合。
在实践层面，作者提出若干设计建议：持续优化知识库和自然语言理解模型，利用高质量数据开展监督学习与迭代更新；持续监测系统功能与效果，并将用户反馈纳入优化过程；在响应速度与交互深度之间保持平衡；增强对语言习惯、文化背景和实时情绪状态的识别能力；在用户出现极端负性情绪如自杀意念时启动紧急响应机制；依据年龄、人格、偏好、文化和技能水平提供差异化功能；在设计、开发和部署全流程中贯彻以用户为中心的方法；以及在使用前清晰告知数据保护政策并遵守相关法规。此外，企业还应关注社会舆论与公众评价，通过适当宣传与科学传播提升更广泛人群的认知与接受度。
4.7. Limitations and Future Research
文章最后指出，本研究虽识别了影响接受与采纳的关键因素，并分析了人口学与社会经济特征，但对老年人和数字素养不足者的研究明显不足，因此针对这些特定群体的接受与互动机制仍缺乏充分证据。未来研究应更多关注老年人、低教育程度群体以及数字技能不足者，并在聊天机器人设计开发全过程中纳入这些群体的参与，以促进数字医疗公平并缓解全球数字鸿沟。另一个局限在于，研究尚未基于相关理论建立专门适用于心理健康聊天机器人场景的概念模型。未来可进一步加强跨人口、跨文化比较研究，并推进针对心理福祉语境的理论模型建构。
5. Conclusion
结论部分总结指出，心理福祉聊天机器人的用户接受与参与受技术因素、用户因素和环境因素共同影响。其中，技术局限与数字鸿沟是阻碍创新技术采纳的主要障碍。文章强调，在推进负责任技术发展和提升人工智能训练数据质量的同时，必须坚持以用户为中心的设计原则，并高度重视隐私管理与伦理治理。研究结果不仅有助于扩展既有理论模型，也为聊天机器人技术的负责任开发、用户中心优化及心理健康数字服务的可信整合提供了实践依据。
