《AI》：Machine Learning Approaches for Filtering Organometallic Reactions: A Comparative Study of Molecular Descriptors
编辑推荐：
背景：最接近儿童的成年人，包括父母和照护者、教师以及治疗师，是儿童心理健康结果的主要决定因素。然而，这些群体获得高质量心理培训的机会仍然严重受限且不公平。人工智能（AI）工具可能为培训交付提供一条可扩展、可获取且低成本的道路。本综述旨在提供关于AI工具用于培训
背景：最接近儿童的成年人，包括父母和照护者、教师以及治疗师，是儿童心理健康结果的主要决定因素。然而，这些群体获得高质量心理培训的机会仍然严重受限且不公平。人工智能（AI）工具可能为培训交付提供一条可扩展、可获取且低成本的道路。本综述旨在提供关于AI工具用于培训照护者、教育者和治疗师/从业者（涉及与儿童和青少年心理健康相关的心理方法）的首次系统性证据综合。方法：按照PRISMA指南（PROSPERO：CRD420261336167）进行系统综述。检索了五个数据库（MEDLINE、PsycINFO、Embase、Web of Science和ERIC），从建库到2026年3月，并辅以参考文献手动检索和前瞻性引文追踪。研究纳入标准为：评估基于AI的培训工具，用于与0–18岁儿童或青少年有关的照护、教育或治疗角色的成年人；交付定义的心理方法；并报告至少一项培训结果。由于方法和结果的高度异质性，研究结果以叙述性综合呈现，未进行荟萃分析。结果：来自九个国家的24项研究（发表于2019年至2026年）符合纳入标准。研究分为照护者培训（A组，5篇）、教育者培训（B组，3篇）和治疗师/从业者培训（C组，16篇）。识别的AI模态包括基于自然语言处理（NLP）的聊天机器人、生成式AI/大语言模型（LLM）系统、AI集成虚拟现实（VR）以及基于AI的反馈和分析工具。各组在可行性和可接受性方面的总体结果积极。然而，证据基础受到普遍的方法学弱点的限制，包括小样本（大多数研究招募少于30名参与者）、依赖未经验证的自我报告结果以及缺乏超过一个月的随访数据。结论：AI工具作为可扩展的心理培训方法显示出早期前景，特别是在程序性技能获取和提高从业者自我效能感方面。然而，当前的证据基础不足以支持有效性的主张。该领域存在一个结构性的可信度-可及性悖论：具有最强对照证据的工具最不可扩展，而最可及的工具则具有最弱的实证支持。需要在这三个人群组中进行充分把握度、独立的随机对照试验（RCT），使用经过验证的结果、主动比较组以及持续多个月的随访。
本系统综述对AI工具在心理方法培训中的实证证据进行了首次综合，涵盖了照护者、教育者和治疗师三个群体。
1. 引言（Introduction）部分指出，最接近儿童的成年人（照护者、教师、治疗师）是儿童心理健康结果的关键中介。全球范围内，这些群体获得高质量心理培训的机会严重不平等。AI工具提供了一种可能变革性的可扩展培训途径，但尚无系统性综述综合这一领域证据。研究背景包括儿童青少年心理健康的全球负担（约七分之一受影响，90%以上中低收入国家儿童未获循证治疗）；照护者（如基于依恋理论和循证育儿项目）、教育者（如课堂行为管理策略）和治疗师（如认知行为疗法CBT、动机性访谈MI等证据基础疗法）各自的关键作用；以及传统培训模式（如工作坊、个别督导）的资源密集性和结构性排斥问题。AI作为培训模态，涉及基于自然语言处理（NLP）的聊天机器人、生成式AI/大语言模型（LLM）系统、AI集成虚拟现实（VR）以及智能化辅导系统等，具备交互性、适应性和按需可用性。本综述旨在识别和描述所有评估AI工具用于培训这三个群体的实证研究，描述AI技术及其特征，综合可行性和可接受性证据，并评估有效性。
2. 方法（Method）部分描述了系统综述流程：按照PRISMA指南进行，方案前瞻注册（PROSPERO: CRD420261336167）。检索五个电子数据库（MEDLINE、PsycINFO、Embase、Web of Science、ERIC）至2026年3月，辅以参考文献手动检索和引文追踪。纳入标准：成年照护者、教育者或治疗师/从业者（服务0-18岁儿童）；基于AI的培训工具交付定义的心理方法或循证策略；至少报告一个培训结果（知识、技能、自我效能、可接受性等）；所有实证研究设计。排除静态数字工具、直接面向患者的AI干预及非英文文献。两名独立评审员进行两阶段筛选（标题/摘要和全文），提取数据包括研究特征、人群、干预、结局、效应量等。采用相应的质量评价工具（Cochrane RoB 2、ROBINS-I、CASP、MMAT）。由于异质性，采用叙述性综合，未进行荟萃分析。
3. 结果（Results）部分详述了研究选择过程（初始识别9866条记录，最终纳入24项研究，来自九个国家，发表于2019-2026年，美国贡献最多）。研究分为三组：A组照护者培训（5篇），B组教育者培训（3篇），C组治疗师/从业者培训（16篇）。识别的AI技术五类：基于NLP/规则的聊天机器人（如TESS/X2AI、ClientBot）、生成式AI/LLM系统（如ParenteAI/Pat、ChatGPT平台、TherapyTrainer等）、AI集成VR平台（如Smart VR、IVT-T）、AI反馈与分析工具（如ReadMI、CBT Trainer）以及开发/概念论文。心理方法范围包括：A组聚焦行为育儿（如“不可思议的年华”表扬技能、家长管理培训PMT）；B组涉及功能性沟通训练（FCT）和课堂行为管理；C组涵盖动机性访谈（MI）、认知行为疗法（CBT）、人本咨询、自杀风险评估等。各组结果：
- A组：所有五项研究评估聊天机器人或对话AI。TESS聊天机器人（NLP）的可行性研究显示完成率78.8%，知识回忆M=3.07/5，但后续随机对照试验未发现组间显著差异（知识、自我效能、儿童行为），受天花板效应、干预短（约15分钟）和平台政策变化限制。Escoredo等描述开发论文（无新数据）。Rivera-Cepeda等评估ParenteAI.V1（生成式AI，智体架构，N=22），八模块PMT混合格式（真人+AI），模块完成率86.8%，平均消息交换376条，工作联盟评分高（WAI M=6.53-6.59/7），前后效应量大（儿童外化行为d=1.00，抑郁r=0.68等），但为非对照试验。
- B组：King等评估Smart VR（AI集成VR），技术可行性（自动评分与人类88-96%一致）。RCT（N=49）显示VR组比对照组在后测整体掌握百分比（OMP）有极大效应（d=2.45），维持OMP d=1.58，泛化维持d=0.52，但陈述性知识无差异。Delamarre等评价IVT-T（3D课堂模拟器），定性显示学习迁移，但无前后评估。
- C组最大且异质。动机性访谈：Tanana等RCT（N=151）显示ClientBot组（NLP聊天机器人）产生更多反思性倾听（21.4% vs 11.2%），去除反馈后保留76%更多反思（d=0.58），但73%认为乏味。Hershberger等准实验（N=125）中ReadMI改善开放性提问比例（d≈0.5）。认知行为疗法：Zhang等混合方法试点（N=59）中CBT Trainer（AI虚拟患者应用）满足可行性阈值，自我报告技能改善M=73.67/100，胜任力发展在评估技能最高（96.8%），但在伦理决策（0%）和文化胜任力（3.2%）缺失。Wang等评估PATIENT-Ψ（GPT-4+认知概念化图，N=33），专家评分优于普通GPT-4，但LLM自动评估与人类专家方向相反。Stade等评价TherapyTrainer（GPT-4o），71%认为AI患者逼真，但AI顾问偶尔偏离WET协议。Fung和Laing概念验证无人类参与。一般咨询与人本技能：六篇论文，定性主题一致——AI过度顺从、情感浅薄、缺乏复杂性。Lilobot（BDI认知代理）在交叉设计中导致自我效能显著下降（时间×条件F=1.78，p=0.01），79%认为无法自然对话。专业临床领域：Elyoseph等多语言自杀风险评估模拟器（Claude 3.5 Sonnet）显示自我效能提升（t=-3.31，p=0.01），经验年限负相关。Lushyn和Sukhenko评估Claude 3.5 Sonnet在生态中心心理促进（ECPF）培训中，顾问角色最有效（90%报告实践信心增加）。Kenny和Parsons提出概念框架，Lanzieri等描述VR/AI社会工作平台开发（成本超10万美元）。
综合可行性与可接受性积极，但关注AI模拟缺乏情感真实性和关系深度，过度顺从、文化中立默认、安全壁垒限制高风险内容。有效性：仅三个RCT结果异质（最有力证据来自Tanana等MI技能d=0.58和King等VR程序性技能d=2.45），一个RCT（照护者组）无显著效应。前后设计的信号包括儿童外化行为d=1.00、自杀自我效能g=0.62等，但无对照。唯一负面结果是自我效能下降。
4. 讨论（Discussion）部分总结主要发现：证据基础主要为可行性和概念验证，对照证据仅三个RCT，结果不一。不同人群证据质量差异：照护者组唯一RCT无显著效应，但有前景的非对照数据；教育者组RCT显示极大效应但仅限于程序性技能；治疗师组主要为可行性阶段。剂量-效应差距：最简短干预可接受性最高，但临床改善来自更密集格式。AI被视为补充而非替代人类培训，现有局限性（过度顺从、情感浅薄、文化偏见、安全限制）定义了AI的适当教学边界。可扩展性：LLM工具边际成本低，但VR工具要求硬件。可信度-可及性悖论：最强证据的工具最不可及，最可及的工具最弱证据。伦理考量包括安全壁垒与培训需求矛盾、开发者利益冲突、数据隐私、文化偏见。方法学局限：小样本、自我报告、无长期随访、开发者参与、未标准化结果、LLM自动评估与人类专家不一致。
5. 局限性与未来方向（Limitations and Directions for Future Research）：综述局限包括搜索时效、异质性导致无法荟萃分析、仅英文文献。未来研究优先：充分把握度独立RCT、多会话设计、非开发者独立评估、经济评价、低收入和多样性人群、理论引导结果选择。
6. 结论（Conclusions）重申AI工具可行且可接受，但对照证据有限。最强证据支持AI-VR用于程序性技能和NLP模拟用于MI技能。AI补充人类培训，存在剂量-效应差距和开发者利益冲突。假设AI培训在结构化、基于标准的技能领域最有效。
