跳蛋直播

      当下人工智能被广泛应用，青少年与AI的互动越来越成为其学习的重要组成部分。青少年在认知、情绪以及决策行为上均具有特殊性，他们对AI既充满好奇也更容易产生信任，不仅会向AI寻求开放问题的解释，还会根据AI的建议采取相应的行动。同时青少年决策具有依赖直觉、偏好即时反馈、对控制感高度敏感等特点，这些特点使其在与AI互动时，既可能更开放地接受建议，也可能产生心理抗拒或消极反应。针对此情况本团队意识到AI能否有效惠及青少年使用者不仅取决于模型算法和数据质量，也取决于AI解释能否契合青少年的心理特性。

针对上述问题，陈英和课题组进行了相关研究并于2026年1月在教育学顶刊Computers & Education（SSCI前1%，中科院一区TOP，5年影响因子13）线上发表了题为How explanatory features of AI and time frame reshape adolescents’ decision-making的研究论文。该研究系统揭示了AI解释特点、用户心理特性以及时间框架如何共同塑造青少年在学习情境下的决策意愿与预期。

本研究将AI提供的解释划分为三种类型。预测型：仅做出预测但不提供详细解释；因果解释：用因果结构解释系统给出某项预测的原因；反事实解释：采用“要是改变什么，就会发生什么”的语言结构向用户提供可参照的行动路径。这三种解释在提供信息透明度、激发控制感与触发情绪反应上存在本质差异。为深入探究AI解释特点对青少年在数学学习情景中决策产生的不同影响，该研究开发了一项在线AI交互平台，在保证真实人机对话生态效度的同时，系统操纵了AI的三种解释类型及其他关键变量，并实时采集用户的聊天数据。一共近四百名在读中学生参与了此项研究。实验1考察了解释类型、感知控制感与感知可靠性的三方交互作用；实验2则聚焦于解释类型与时间框架（短期vs.长期）如何共同影响被试的相关决策。研究流程见图1。

图1 研究流程

研究发现当青少年对某个话题控制感较低或较高时，AI提供的反事实解释都会显著降低他们的行为意愿，而因果解释及只提供预测则没有这种效应，表明智能系统的反事实解释在特定情境重塑了青少年决策。

图2 实验1结果摘要

研究还发现时间框架改变了AI的解释效力。在AI指向短期情境的讨论中，简单的预测或因果解释比反事实解释能让青少年更有行动意愿；而在针对较远未来的讨论中，反事实解释的劝导力则显著增强，甚至能部分抵消AI不可靠信息带来的负面效应。

图3实验2结果摘要

该研究首次将AI解释类型、用户控制感和时间距离这类心理变量纳入AI对话研究框架，揭示了青少年人机决策的影响机制，进而用实证证据强调智能系统的开发必须坚持以人为中心的理念。研究结果也为AI开发人员、教育工作者及家长提供了启示。AI回复和解释应因人而异，对于青少年使用者来说，在系统可靠性不足或用户控制感较低或较高的场景中，均应慎用反事实解释，但在鼓励使用者做长期规划时，反事实解释则可作为一种有效的激励工具。

 本研究第一作者是北京师范大学心理学部博士生沈卓，通讯作者为北京师范大学心理学部陈英和教授，其他参与作者为北京师范大学心理学部博士生张婧漪，硕士生陈恒润。

论文信息：

Shen Z., Chen Y., Zhang J. & Chen H., How explanatory features of AI and time frame reshape adolescents’ decision-making, Computers & Education, //doi.org/10.1016/j.compedu.2026.105563.