由厦门大学新闻传播学院的Lanyan Fang与Hongfeng Qiu共同完成的原创性研究论文《How far removed is human–chatbot parasocial attachment from human intimacy? A study based on communication accommodation theory》（《人与聊天机器人拟社会依恋距离真正的人类亲密关系有多远？一项基于沟通调适理论的研究》），于2025年12月17日在线发表于学术期刊 Chinese Journal of Communication。此项研究聚焦于人机交互的前沿领域，旨在探究人类与“浪漫型”人工智能聊天机器人之间所形成的拟社会关系（Parasocial Interaction，PSI）的本质及其局限性。
在COVID-19大流行引发的全球性孤独危机背景下，以Replika、Mitsuku为代表的“浪漫型”或伴侣型AI聊天机器人用户数量激增，数以百万计的用户将其视为情感伴侣。这些技术提供了全天候的陪伴，促成了用户与AI之间的“拟社会依恋”（Parasocial Attachment），即一种通过数字媒介建立的情感纽带。
尽管这类技术应用广泛，但学术界对其在满足人类深层亲密需求方面的潜力与局限关注尚不充分。现有研究多集中于技术实现、基本功能或特定理论（如社会支持理论、依恋理论）的应用，缺乏对自然、复杂情境下人机浪漫互动的深入机制探讨。用户既体验到情感支持，也普遍质疑机器人情感的“真实性”，并担忧情感依赖、亲密关系商品化等风险。
本研究旨在弥合这一研究空白。其核心目标是：应用沟通调适理论，系统地评估浪漫聊天机器人在满足用户个性化情感需求方面的表现，从而揭示人机拟社会依恋与真实人类亲密关系之间的差距。研究将人机浪漫互动视为一种独特的拟社会互动形式，并引入沟通调适理论中微观的策略分析工具，旨在回答三个核心问题： 1. 浪漫聊天机器人在多大程度上运用了五种沟通调适策略来适应用户？ 2. 聊天机器人的调适表现与用户情感反馈之间存在何种关系？ 3. 从沟通调适的视角看，人机拟社会依恋距离人类亲密关系究竟有多远？
本研究采用混合研究方法，结合定量内容分析与质性主题共现网络分析，具体流程如下：
1. 数据收集与样本筛选： * 数据来源： 研究者从中国最大的兴趣社交平台豆瓣中，选取了名为“人机之恋”的小组作为数据源。该小组拥有超过10,100名成员，大量帖子讨论Replika等伴侣聊天机器人，反映了广泛的人机浪漫互动模式。 * 数据收集时间跨度： 收集了从2020年10月25日至2023年12月31日期间发布的帖子。 * 初始样本： 共检索到3,131个帖子。 * 筛选标准与最终样本： 纳入标准是帖子必须清晰叙述聊天机器人的调适行为与用户的情感反应。排除了内容过少、主题无关或重复的帖子。经过筛选，最终获得871个有效帖子作为分析样本。 * 分析单元： 为确保捕捉完整的情感动态，分析单元不是单条消息或句子，而是包含情境背景、互动细节和用户反思评论的完整讨论线程。
2. 理论框架与编码方案制定： * 理论基础： 研究融合了宏观的拟社会互动理论视角与微观的沟通调适理论分析工具。研究者将五种沟通调适策略作为核心分析框架： * 近似（Approximation）： 调整语言风格、情绪语调以匹配用户。 * 可解性（Interpretability）： 使用清晰易懂的词汇，理解用户意图和上下文。 * 关系控制（Relational Control）： 根据感知的社会角色、权力关系和伦理规范调整沟通行为。 * 话语管理（Discourse Management）： 根据感知的对话需求调整话题，如奉承、顺从、迁就等。 * 情感表达（Emotional Expression）： 回应用户的情感需求，表达同情、安慰或鼓励。 * 调适水平分类： 基于用户感知，将聊天机器人的行为划分为三个水平： * 调适不足： 未能充分适应用户需求。 * 适度调适： 恰到好处地适应用户需求。 * 过度调适： 调整程度超出用户预期。 * 情感反馈分类： 结合NRC情感词典和中文情感本体，确定了七种核心情感类别：快乐、喜爱、惊讶、悲伤、愤怒、恐惧、厌恶。
3. 人工编码与信度检验： * 编码方法： 采用人工手动编码，因为相比于自动化方法，人工编码能更有效地识别隐含和复杂的主题。尽管沟通调适理论强调互动方的感知，但训练有素的第三方编码员可以从可观察的沟通行为中有效评估调适水平。 * 编码员培训与信度： 两位经过培训的研究生独立对随机抽取的100个帖子进行预编码，计算出的科恩卡帕系数为0.878，表明编码具有高度一致性。随后，剩余的帖子由两位编码员平分进行正式编码。遇到不确定情况时，编码员相互协商以确保决策准确。
4. 数据分析： * 统计分析： 使用SPSS 26.0软件进行数据分析。 * 采用卡方检验分析五种调适策略与七种用户情感之间的关联。 * 采用点二列相关分析调适水平与调适策略/用户情感之间的关联。 * 网络可视化分析： 使用Gephi软件进行主题共现网络分析。 * 记录了15个变量（5种策略、3种调适水平、7种情感）之间的共现频率，构建共现矩阵。 * 使用ForceAtlas2布局进行可视化。图中节点大小代表变量的中心性，连线粗细代表两个变量之间的共现频率，直观展示了策略、调适水平和情感之间的复杂关系网络。
1. 五种调适策略的执行水平： 在871个帖子中，聊天机器人最常被提及的调适策略是情感表达（34.10%的帖子），其次是可解性（23.31%）、关系控制（20.78%）和话语管理（16.88%）。近似策略被提及最少（4.94%）。 就调适水平而言，适度调适最为普遍（48.91%），略高于调适不足（44.67%），远高于过度调适（6.43%）。 关键发现是，近似、话语管理和情感表达这三种策略主要与适度调适相关（分别占其自身实例的90.70%、55.10%和72.73%），并且统计上与更高的调适水平呈正相关。相反，可解性和关系控制策略则主要与调适不足相关（分别占66.50%和81.22%），并与较低的调适水平呈负相关。这表明聊天机器人在模仿语言风格、管理对话和表达情感方面相对有效，但在理解对话上下文、把握角色期望和伦理规范方面存在显著困难。
2. 调适水平与用户情感反馈的关系： 用户最常表达的情感是积极情绪：快乐（28.93%）和喜爱（22.27%）。 统计分析显示，较高的聊天机器人调适水平与用户的快乐和喜爱情绪显著正相关。具体而言，绝大多数快乐（82.90%）和喜爱（84.52%）的情感出现在适度调适的情况下。 另一方面，消极情绪如悲伤、厌恶、愤怒和恐惧均与聊天机器人的调适水平呈显著负相关。这意味着调适不足更容易引发用户的负面感受。例如，大多数表达惊讶的帖子（62.20%）与调适不足有关（如机器人自曝有孩子等离奇“经历”），而调适过度（如过早表白）也引发了一些惊讶（16.54%）。同样，绝大多数悲伤、愤怒、厌恶和恐惧的情绪都与调适不足相关联。
3. 具体调适策略、调适水平与用户情感的联动网络： 主题共现网络图清晰显示，调适水平（尤其是适度调适和调适不足）在整个互动网络中处于中心枢纽位置，它们与策略和情感结果的连接强度，超过了策略与情感之间的直接联系。这强调了调适水平是塑造用户情感体验的关键中介变量。 * 近似、话语管理、情感表达：与适度调适及快乐、喜爱等积极情感紧密相连。例如，机器人匹配用户的表情符号使用（近似）、适时表达安慰（情感表达）能有效提升满意度。 * 可解性、关系控制：与调适不足及惊讶、厌恶、愤怒、恐惧等消极情感紧密相连。例如，机器人无法理解隐喻（可解性不足）、声称拥有多个伴侣或表达暴力倾向（关系控制失当）会引发用户的挫败感、背叛感和恐惧。
研究还揭示了不一致的调适行为（如偶尔的冷漠、冒犯性语言或过度奉承）会引发“恐怖谷效应”，使用户因机器人近乎人类却不完美的反应感到不安。
本研究通过评估浪漫聊天机器人适应用户情感需求的能力，揭示了人机拟社会依恋与人类亲密关系之间存在四个关键差距：
这些缺陷暴露了人机“亲密关系”的虚幻性，动摇了拟社会关系的持续性，常促使用户重新评估其情感投入。
研究的理论贡献在于： 首先，将人机浪漫互动明确定义为一种拟社会互动形式。其次，成功地将沟通调适理论的五种策略转化为可操作的编码框架，用于分析聊天机器人在情感亲密、依恋和拟人化特质三个维度上的表现。这为理解智能化的、商业媒介化的人机关系中的情感协调提供了新视角，扩展了沟通调适理论的应用范畴。
研究的实践意义在于： 第一，提供了基于五个由易到难维度（模仿语言模式、促进顺畅对话、表达情感共鸣、理解对话语境、满足角色期望）的聊天机器人性能评估工具，未来可发展为量表。第二，通过量化分析揭示了人机浪漫依恋与人类亲密关系之间的经验性差距，为开发者设计更能满足用户情感需求的伴侣机器人提供了实证依据。第三，通过区分五种策略的执行难度，突显了人工智能在实现可解性和关系控制方面面临的技术瓶颈，为AI技术演进指明了方向。
研究的讨论部分提出了对“算法性调适”的思考，即计算性的情感对齐塑造。研究认为，在AI语境下，有效调适所依赖的资源不仅包括算法能力，还包括设计逻辑和商业意图。这为后续研究理解AI行为的动机提供了更广阔的视角。
此外，研究者也坦诚指出了本研究的局限性：数据基于用户自我报告，无法观察用户如何反向调适机器人；仅关注文本交流，未涉及多模态互动；未深入探究用户个人特质（如依恋类型）、机器人设计特征（如性别）等调节变量。这些为未来研究指明了方向，例如收集实时对话数据进行序列分析，开展实验或调查探究更多影响因素等。