Tingting Jiang1, Yanrun Xu2
（1. Research Institute for Data Intelligence, Wuhan University, Wuhan, China
2. School of Information Management, Wuhan University, Wuhan, China）
编者按：
人工智能（AI）技术在医疗领域的应用为改善老年人健康服务与提升生活质量提供了创新路径，可优化医疗流程、增强照护效果并支持独立生活。然而，老年人对健康AI的接受度普遍较低，受数字素养不足、技术陌生感及安全顾虑等因素影响，多数老年人对AI医疗诊断、健康服务等存在抵触情绪。拟人化框架（即将非人类实体赋予人类特质）作为在线健康信息传播中的常用策略，已被广泛用于塑造AI的呈现方式，但关于其对老年人健康AI态度影响的直接实证证据仍较为匮乏。本研究基于信号理论，通过两项对照实验探究了拟人化框架（类人框架vs.机器框架）对老年人健康AI态度的影响及作用机制，揭示了心理距离与感知风险的双重中介路径，同时考察了教育水平的调节效应。研究结果为面向老年人的健康AI传播策略制定、技术推广及医疗服务优化提供了科学依据，对缩小“AI鸿沟”、促进医疗健康服务代际公平具有重要实践意义。
全球老龄化趋势下，老年人的健康照护需求持续攀升，健康AI技术为应对这一挑战提供了新的解决方案。已有研究证实，健康AI能有效提升老年人的身心健康与生活自主性，但与年轻群体相比，老年人对健康AI的采纳意愿显著更低。调查显示，近半数50岁以上人群对AI医疗诊断感到不安，即便认可AI的普及性，老年患者仍不愿依赖AI进行初级诊疗。随着老年人愈发依赖网络渠道获取健康信息，框架技术作为影响信息解读与行为决策的重要心理工具，在健康传播中发挥着关键作用。拟人化框架通过赋予AI人类化名称、行为描述等方式，成为媒体呈现AI的主流策略，但现有研究多聚焦于年轻群体与非健康场景，且关于类人框架与机器框架哪种更能引发积极用户反应尚未形成共识。考虑到老年人的认知特点、技术接受度与年轻群体存在显著差异，亟需针对性探究拟人化框架对老年人健康AI态度的影响。
信号理论指出，在信息不对称情境下，个体依赖可观察的“信号”推断未知属性并做出判断。拟人化框架作为健康AI呈现的重要信号载体，可能通过两条路径影响老年人态度：一方面，类人框架可降低心理距离，让AI更易理解、更具亲和力，进而增强情感联结与积极态度（心理距离中介路径）；另一方面，类人框架可能凸显AI的自主性与能动性，引发失控感，提升感知风险，从而导致消极态度（感知风险中介路径）。此外，教育水平作为影响风险评估与信息处理能力的关键因素，可能调节拟人化框架与感知风险的关系。基于此，本研究围绕以下核心问题展开：不同拟人化框架（类人vs.类机器）如何影响老年人对健康AI的态度？心理距离与感知风险是否在其中发挥中介作用？教育水平是否调节感知风险的中介路径？老年人对健康AI的态度与其使用意愿是否存在关联？
本研究采用单因素被试内设计，以“拟人化框架类型”为唯一自变量（类人框架vs.机器框架），以老年人对健康AI的态度变化为核心因变量，同时考察心理距离、感知风险的中介效应及教育水平的调节效应，将性别、年龄作为控制变量。研究通过两项对照实验验证假设，分别聚焦积极信息与消极信息两种情境：实验1采用强调健康AI优势的积极信息（如手术机器人提升手术精准度、导诊机器人优化就医流程），实验2采用凸显健康AI风险的消极信息（如手术机器人导致医疗事故、导诊机器人引发用户冲突）。两项实验均从中国社区招募符合条件的老年人作为被试，实验1最终纳入32名（55-89岁），实验2最终纳入33名（55-88岁）。实验材料为基于真实新闻改编的1分钟短视频，类人框架通过赋予AI人类化名称（如“不知疲倦的外科医生”“贴心导诊助手”）、描述人类化行为（如“眼睛能捕捉细微细节”“热情回应咨询”）构建，机器框架则强调AI的工具属性（如“稳定的机械装置”“智能导诊机器人”）与技术特征（如“摄像头捕捉细节”“实时处理信息”）。被试者随机观看不同框架的视频后，完成感知拟人化、心理距离、感知风险、态度及使用意愿的测量，并收集人口统计学信息。
研究结果显示，首先，拟人化框架对老年人健康AI态度具有显著主效应。具体来说，在积极信息情境下，类人框架显著提升老年人对健康AI的态度，而类机器框架导致态度下降；在消极信息情境下，两类框架均使态度下降，但类人框架的态度降幅显著小于机器框架，即类人框架能缓解消极信息带来的态度恶化。其次，作用路径存在情境差异。在积极信息情境中，仅心理距离发挥显著中介作用——类人框架通过降低心理距离，间接提升老年人对健康AI的积极态度，此时感知风险中介效应不显著；在消极信息情境中，仅感知风险发挥显著中介作用——类人框架通过降低感知风险，减轻态度的消极变化，此时心理距离中介效应不显著。此外，教育水平调节消极信息情境下拟人化框架与感知风险的关系。高学历老年人的感知风险受框架类型影响显著，其对机器框架健康AI的感知风险显著高于类人框架；而低学历老年人的感知风险不受框架类型影响。最后，两项实验均证实老年人对健康AI的态度与使用意愿呈显著正相关，积极态度能有效提升使用意愿。
本研究具有重要的理论意义。首先，研究聚焦健康传播中的拟人化框架，以老年人为研究对象，填补了AI拟人化研究在年龄群体与应用场景上的空白，拓展了计算机作为社会行动者（CASA）范式与框架效应理论的应用边界；其次，基于信号理论揭示了拟人化框架影响老年人健康AI态度的双重中介路径，明确了信息valence对路径激活的调节作用，深化了对拟人化框架作用机制的理解；最后，证实了教育水平对感知风险路径的调节效应，丰富了老年人技术接受与风险感知的理论研究，为老年心理学与传播理论的交叉融合提供了实证支撑。
在实践层面，本研究为面向老年人的健康AI传播与推广提供了多维度启示。在积极信息传播中，优先采用类人框架，通过人类化命名与行为描述降低心理距离，增强情感共鸣，提升接受度；在消极信息传播中，若需客观呈现风险，建议采用机器框架，避免类人框架降低风险感知，确保信息传递的准确性；若旨在缓解消极态度，则可适度运用类人框架减轻抵触情绪。针对高学历老年人，可通过类人框架降低其对健康AI的感知风险；针对低学历老年人，需结合其他策略（如简化操作说明、现场演示）提升风险认知与技术信任，弥补框架效应的不足。健康AI产品开发应融入拟人化元素（如友好的语音交互、人类化的响应逻辑），契合老年人的社交认知习惯，同时在风险提示环节采用客观的机器框架表述，平衡亲和力与风险透明度。通过类人化传播降低老年人对健康AI的陌生感与抵触情绪，结合教育普及提升数字素养，推动健康AI技术在老年群体中的公平应用，助力积极老龄化。
资料来源：
根据Jiang等于2026年发表在Information Processing and Management期刊题目为《Human-like or machine-like? How anthropomorphic framing shapes older adults’ attitudes toward health AI》的文章缩写整理而成。
（本文责任编辑：周帆）
