Frontiers in Psychology研究：AI伴侣拟人化感知与问题性情感依赖的关联

摘要

背景：

以陪伴为导向的对话式人工智能可被体验为具有社会回应性，但关于问题性依赖的证据需要构念清晰性和非因果性解释。本研究考察了感知拟人化是否通过基本心理需要满足与问题性AI伴侣依赖直接和间接相关。

方法：

666名中国成年人完成了一项横断面在线调查，他们报告在过去一个月内使用过所列出的AI伴侣或对话式AI产品。非临床结局通过六个指标进行操作化，涵盖控制受损、痛苦、持续使用、感知理解、情绪调节依赖以及线下交流的替代。测量证据通过信度估计、单因子验证性模型和HTMT进行检验。标准化复合分数回归采用HC3稳健标准误，间接关联通过5,000次自助抽样进行评估。

结果：

感知拟人化与需要满足呈正相关（β = 0.569，p < 0.001）。在结局模型中，需要满足（β = 0.317，p < 0.001）和感知拟人化（β = 0.385，p < 0.001）均与问题性依赖呈正相关。标准化间接关联为0.180（95%自助置信区间 [0.137, 0.229]）；需要满足的R²为0.323，问题性依赖的R²为0.389。

结论：

该模式与以陪伴为导向的AI使用的需要满足解释相一致，但横断面设计无法确立时间顺序、替代或因果关系。因此，设计与政策启示应聚焦于透明度、用户能动性以及防止依赖升级的保障措施，而非将拟人化本身视为固有有害。

1 引言

对话式人工智能涵盖广泛的系统，包括通用生成式AI助手、任务导向型聊天机器人以及为持续关系互动而设计的系统。在本文中，AI伴侣系统指主要为持续、情感回应性互动而设计的对话系统；以陪伴为导向的对话式AI使用指用户对专用伴侣系统或更广泛的对话式AI系统的关系性使用；生成式AI/聊天机器人则指更广泛的技术类别。这一区分很重要，因为系统类型、预期功能和实际使用情境并非技术接受度或系统质量的可互换维度（Salam et al., 2026；Salam and Farooq, 2026）。

AI伴侣系统可以提供连续性、个性化记忆、情感回应性和社会临场感。用户将此类系统描述为专注且不带评判的陪伴、支持和自我表露来源（Skjuve et al., 2021；Ta et al., 2020；Xie and Pentina, 2022）。这些体验可能是有益的、中性的或问题性的，取决于用户和情境。因此，不应推定类人互动有害；实证问题在于特定感知和体验是否与控制受损、痛苦或替代有价值线下活动的依赖共变。

感知拟人化可能具有相关性，因为它描述的是用户将类人的外貌、表达、理解和情绪反应能力归因于人工代理（Epley et al., 2007；Waytz et al., 2010）。自我决定理论（SDT）提供了一种互补的解释：当互动能够支持自主性、关联感和胜任感时，互动可能会让人感到满足（Deci and Ryan, 2008；Ryan and Deci, 2000）。在陪伴导向的语境中，拟人化感知与需求满足在概念上相关但彼此不同。前者涉及归因于 AI 的特质，而后者涉及用户在互动过程中所体验到的能动性、联结感和效能感。

该结果被称为问题性情感依赖（PED），而非病理性情感依赖。PED 在此被用作一个非临床的、连续性的自我报告构念，包括难以减少使用、无法访问时感到痛苦、尽管感知到伤害仍继续使用、为获得情绪稳定而日益依赖，以及将 AI 互动置于与人交流之上（Goh et al., 2025；Huang and Huang, 2025）。该术语并不意味着精神科诊断、患病率估计或经过验证的临床阈值。该构念被解释为一种广泛的、非临床的测量指标，而非诊断类别。

中国提供了一个具有信息价值的背景，因为样本在共同的语言和文化语境中包含了国内平台（Maoxiang、Zhumengdao 和 Xingye）以及国际平台（Replika 和 Character.AI）的用户。与此同时，该样本是非概率样本，不能被视为具有全国代表性。关于自我表露、关系义务和技术使用的文化期望可能会影响条目被解读的方式；因此，若要推广到受调查用户、中国或所纳入平台之外，需要重复验证（Du and Alm, 2024；Epley et al., 2007；Pan et al., n.d.；Ryan and Deci, 2000）。

修订后的研究询问感知拟人化是否与 PAD 直接相关，以及基本心理需求满足是否在二者之间具有统计学上的间接关联（Folk et al. 2025；Huang and Huang, 2025）。针对关于构念效度和因果性语言的担忧，分析使用了修订后的五项结果变量，比较了需求满足的总体表征和多维表征，并将间接效应描述为横断面分解，而非心理机制的证据。

2 文献综述与研究假设

2.1 AI 伴侣作为情感沉浸式社交技术

人们即使认识到系统并非人类，也常常会对计算机做出社会性反应（Nass and Moon, 2000）。在伴侣系统中，社交线索是产品体验的核心：对话、记忆、情感反应和可获得性可以产生感知到的互惠性和类似关系的连续性（Brandtzaeg et al., 2022；Skjuve et al., 2022；Chaturvedi et al., 2024）。然而，关系性使用也可能发生在更广泛的助手平台上。因此，本研究的分析单位是陪伴导向的使用，而不是假定所纳入的每个产品都是专门的 AI 伴侣。

既有研究报告了情感支持与安全的自我表露，同时也存在对过度依赖、类似戒断的痛苦以及线下功能下降的担忧（Laestadius et al., 2024；Liu et al., 2024；Zhang et al., 2025）。这些观察促使人们审视有问题的依赖，但并不能成为将高强度使用或拟人化设计视为本质性障碍的理由。一项具有构念效度的分析必须区分感知到的人类相似性、令人满意的互动与失调的依赖。

2.2 感知拟人化与基本心理需求满足

感知拟人化关注的是用户在多大程度上将 AI 的外表、语言、理解和情绪反应体验为类似人类（Bartneck et al., 2009；Kühne and Peter, 2023）。此类感知可能使互动感觉更具回应性、更具社会意义。在 SDT 中，自主指意志与真实的自我表达，关联指联结与接纳，胜任指有效行动（Chen et al., 2015；Deci and Ryan, 2008）。因此，将更多人类相似性归因于 AI 的用户，可能会报告在互动过程中这些需求得到更大程度的满足。由于该设计为横断面研究，该假设关注的是共变而非因果方向。

自我决定理论（SDT）为解释拟人化为何可能促进心理需求满足提供了一个有用的框架。SDT 认为，人类动机与持续投入受三种基本心理需求满足的影响：自主、胜任与关联（Ryan and Deci, 2000）。在 AI 中介的互动中，类人的外表与具有情绪回应性的反馈可能通过模拟被认可、被理解和被关爱的体验来支持关联。自然语言互动可能通过允许用户按照自己的偏好和目标发起、个性化并重新引导对话来支持自主。具有回应性和适应性的反馈还可能通过使互动感觉有效、流畅且具有社会意义来进一步支持胜任。先前在数字媒体环境中的研究表明，心理需求满足会增强用户参与、内在动机与持续参与（Peng et al., 2012；Przybylski et al., 2010）。关于生成式 AI 和 AI 伴侣的较新研究进一步表明，拟人化互动、情绪回应性与类似朋友的交流与更强的情绪依恋和依赖相关结果有关（Hu et al., 2023；Robayo-Pinzon et al., 2025）。据此，本研究提出，AI 伴侣中的感知拟人化正向影响用户的心理需求满足，进而促成持续参与和依赖相关结果。

H1：在 AI 伴侣用户中，感知拟人化与基本心理需求满足呈正相关。

2.3 需求满足与有问题的情绪依赖

当需求满足源于支持自主性、胜任感和归属感的环境，并以拓展人类功能的方式出现时，它通常具有适应性。然而，当数字系统成为需求满足的主导性、最便捷或最可预测的来源时，同样的动机机制可能变得有问题。在AI伴侣使用中，需求满足可能强化重复互动，因为用户获得即时的归属感、低风险的自我表露以及可预测的肯定。随着时间推移，这可能降低个体参与更费力的人际互动的动机，并助长对AI中介式需求满足的依赖（Liu et al., 2025；Peng et al., 2012；Przybylski et al., 2010）。因此，本研究将这一结果重新命名为问题性情感依赖，而非病理性情感依赖。它是一个非临床的自我报告复合指标，不得被解释为诊断、障碍、临床阈值或患病率估计。

本研究使用问题性情感依赖来描述一种结合了行为要素和关系要素的依赖模式。行为要素类似于问题性技术使用，尤其是失控、类似戒断的痛苦、复发、冲突以及在负面后果下仍继续使用（Andreassen et al., 2012；Fournier et al., 2023；Kuss et al., 2014）。关系要素类似于准社会依恋，即个体对媒体人物或人工伴侣体验到单向的亲密感、情感投入以及感知到的关系重要性（Cohen, 2004；Gleason et al., 2017；Rubin and McHugh, 1987）。这一概念化与新兴证据一致，即AI伴侣使用可能涉及情感依恋、过度依赖、自我表露、戒断以及线下社会功能风险，同时也认识到AI伴侣依赖具有独特性，因为依赖对象被体验为一个有回应的社会他者，而非中性工具（Boine, 2023；Hu et al., 2023；Liu et al., 2025；Zhang et al., 2025）。

如果AI伴侣互动满足了用户的基本心理需求，用户可能更有可能发展出问题性情感依赖，因为该系统成为一种难以放弃的动机资源。这一论点不仅仅关乎大量使用；相反，它关乎使用的心理意义。从自我决定理论的视角来看，满足自主性、胜任感和归属感的数字体验可以支持动机和自我调节，当它们满足对社会功能至关重要的需求时，尤其具有强化作用（Johnson et al., 2021；Parent, 2023）。在AI伴侣情境中，这种强化可能更强，因为系统可以提供低风险的自我表露、情感验证以及被理解的感觉，这可能鼓励依恋、过度依赖和类似依赖的模式（Fang et al., 2025；Skjuve et al., 2022；Zhang et al., 2025）。因此，第二个假设提出，心理需求满足正向预测问题性情感依赖。

H2：基本心理需要满足与AI伴侣用户的问题性情感依赖呈正相关。

2.4 基本心理需要满足的中介作用

前两个假设暗示了一种中介机制。感知拟人化应当会增加问题性情感依赖，因为它使AI伴侣更有效地满足用户的基本心理需要。这一路径在概念上不同于拟人化对依恋的简单直接效应。它并不假定类人线索会自动产生依赖。相反，当拟人化感知使AI互动感觉能够满足需要、具有个人回应性且具有关系意义时，它才会产生后果（Guingrich and Graziano, 2025；Heng and Zhang, 2025；Yu and Lan, 2025）。

这一中介论证也解释了为什么一些用户可能频繁与AI伴侣互动，却不会形成问题性依赖。如果拟人化线索主要被体验为娱乐性、新奇性或审美愉悦，而并未成为自主、胜任或关联需要满足的主要来源，那么动机性强化应当较弱。此前的数字媒体研究同样表明，使用的心理意义和动机质量比单纯的使用强度更重要（Sheldon and Titova, 2023；Throuvala et al., 2019）。因此，当拟人化与需要满足相一致，产生一种使AI伴侣具有心理替代性的设计—需要匹配时，依赖风险预计会出现。第三个假设将这一间接路径形式化。

H3：基本心理需要满足在感知拟人化与问题性情感依赖之间的正向关系中起中介作用。

2.5 孤独感作为边界条件

孤独感不仅仅是缺乏社会接触。相反，它指的是期望的社会联系与实际社会联系之间的感知差距，因此与未满足的归属感和关联需要密切相关（Baumeister and Leary, 1995；Cacioppo and Hawkley, 2009）。这一区分对AI伴侣研究很重要，因为孤独的用户可能并非仅仅出于新奇或娱乐而接近AI伴侣。相反，他们可能将其视为情感上安全、不评判且持续可用的人际联系替代品（Rubin et al., 1985；Liu et al., 2025；Merrill et al., 2022）。

既有研究提供了预期孤独感具有调节作用的理由。关于陪伴型聊天机器人的研究表明，用户结果存在异质性：一些用户可能获得更强的社交自信，而另一些用户则可能面临进一步孤立的风险，尤其是在涉及问题性使用和较小社交网络的情况下（Liu et al., 2025）。一项针对日本成年人的大规模研究发现，AI 伴侣使用与幸福感之间的正向关联在报告高孤独感的个体中最为强烈，这表明孤独的用户可能对 AI 提供的情感支持尤为敏感（Nakagomi et al., 2026）。然而，其他证据也指向潜在风险：高强度的陪伴导向聊天机器人使用、高自我披露以及薄弱的人类社会支持与较低的幸福感相关，而更高的聊天机器人使用量则与随时间推移更严重的孤独感、情感依赖和问题性使用相关联（Fang et al., 2025；Zhang et al., 2025）。这些发现表明存在一种动态的脆弱性过程，其中孤独感可能使 AI 提供的需求满足更具强化作用，而对 AI 的反复依赖可能进一步加深情感依赖。

对于低孤独感的用户而言，来自 AI 伴侣的需求满足可能仍是补充性的，因为线下关系持续提供有意义的关联感。然而，对于高孤独感的用户而言，同样的 AI 提供需求满足可能获得替代性价值，因为伴侣能够提供一种随时可得的被倾听、被接纳和被情感认可的感觉（De Freitas et al., 2024；Merrill et al., 2022）。这一逻辑与研究结果一致，即 AI 伴侣可能对孤独用户尤其具有吸引力，但也与以下担忧一致：当数字陪伴取代而非补充人际连接时，它可能复制或加剧孤独感（Jacobs, 2024；Liu et al., 2025）。因此，第四个假设预测孤独感会增强需求满足与问题性情感依赖之间的正向关系。

H4：孤独感调节基本心理需求满足与问题性情感依赖之间的正向关系，即该关系在孤独感水平较高的用户中更强。

将中介与调节的论证整合起来，就得到了完整的条件过程模型。如果感知拟人化会提升心理需要满足，而孤独感会增强需要满足对问题性情感依赖的影响，那么感知拟人化对问题性情感依赖的间接效应在更孤独的用户中应当更强。因此，这一最终假设检验的是孤独感是否改变了整个从设计到依赖机制的强度，而不仅仅是某一条直接路径（Hayes, 2015，2018）。从实质上看，这一预期与以下证据一致：拟人化AI能够通过用户满意或情感依恋增加与依赖相关的结果，而孤独感会塑造用户对对话式AI和AI伴侣的回应方式（Heng and Zhang, 2025；Nakagomi et al., 2026；Peng et al., 2025；Yu and Lan, 2025）。据此，第五个假设提出一个有调节的中介效应：感知拟人化通过需要满足对问题性情感依赖的间接关系在孤独感更高时更强。

H5：感知拟人化通过基本心理需要满足对问题性情感依赖的间接效应受到孤独感的调节，即该间接效应在孤独感水平更高的用户中更强。

总之，研究假设如图1所示。

图1

3 方法

3.1 研究设计与参与者

2026年2月至4月，通过问卷星进行了一项为期三个月的在线调查。参与者通过微博和小红书上的AI伴侣用户社区招募。符合条件的受访者须年满18岁、有使用AI伴侣应用的经验，并提供知情同意。问卷说明了研究目的、匿名性、自愿参与以及数据的学术用途。

共收集到802份问卷。根据预先确定的标准排除了一些回答，包括完成时间过短、未通过注意力检查或答案不完整。在排除136份无效回答后，剩余666份有效问卷，有效回收率为83.0%。

共保留666份有效问卷用于分析。从表1可以看出，样本包括210名男性、283名女性、123名选择其他性别的受访者，以及50名不愿透露性别的受访者。受访者集中在较年轻的成年群体中，其中283人年龄为18至25岁，258人年龄为26至35岁。样本中仍包括较年长的受访者，其中74人年龄为36至45岁，51人年龄为46岁及以上。最常使用的AI伴侣产品为猫箱、筑梦岛、星野、Replika、Character.AI及其他平台。使用目的的分布显示，样本强烈倾向于情感和关系互动，其中角色互动或虚拟恋爱关系以及心理支持或自我表露占大多数回答。

表1

受访者及 AI 伴侣使用的描述性统计。

3.2 测量

所有测量均以中文施测，采用七点 Likert 作答格式（1 = 非常不同意，2 = 不同意，3 = 有些不同意，4 = 不确定，5 = 有些同意，6 = 同意，7 = 非常同意）。综合得分越高，表示焦点构念水平越高。六个孤独感条目使用相同的作答锚点；LO4-LO6 为正向表述的社会连接条目，并进行了反向计分，使数值越高表示孤独感越强。交付的分析文件将这些三个变量存储为已完成方向对齐的计分变量，且存储的 LOM 变量等于 LO1-LO6 的均值；因此未对其进行第二次反向计分。

感知拟人化（PA）采用六个改编条目测量，涉及类人外观、语言、理解和情感回应（Bartneck et al., 2009；Waytz et al., 2010）。它代表对 AI 互动中人性化程度的感知，而非客观的设计操纵。

基本心理需要满足（NS）采用基本心理需要满足与挫败量表改编的六个条目测量，其中自主、关联和能力满足在 AI 互动中各有两个条目（Chen et al., 2015）。所报告的模型使用总体综合得分。由于关联性在理论上处于核心地位，且每个维度仅有两个指标，我们比较了宽泛设定与相关维度设定，并在作出维度一般性结论之前联合估计了三个维度的得分。

问题性情感依赖（PED）采用先前标记为病理性情感依赖的六个条目测量。修订后的标签有意采用非临床表述。PD1-PD3 涉及行为失调；PD4-PD6 涉及关系显著性和具有情感后果的依赖。不主张任何临床阈值、诊断或效标效度。条目标签保留为 PD1-PD6，以保持与原始数据集的对应关系。

孤独感采用六个改编的 UCLA 孤独量表条目测量（Russell, 1996；Hughes et al., 2004）。依恋焦虑采用六个改编的 ECR/ECR-R 焦虑条目测量，仅作为探索性替代调节变量使用（Brennan et al., 1998；Fraley et al., 2000）。选择依恋焦虑是因为关系不安全感在概念上与感知到的社会脱节相邻，但二者不同。

协变量调整的敏感性模型纳入了性别、年龄、每周 AI 使用频率、使用时长、每周与家人或朋友面对面互动、最常使用的平台以及记录的主要用途。焦点调整系数和模型拟合报告于第 4.3 节；完整的虚拟变量编码系数矩阵保留在分析输出中，如 表 2、表 3 所示。

表 2

测量条目、维度及来源依据。

表 3

核心构念之间的概念边界。

3.3 分析策略

数据分三个阶段进行分析。首先，在SmartPLS 4.0中通过检验内部一致性信度、收敛效度和区分效度来评估测量模型。Cronbach's alpha、rho_A、组合信度和平均方差抽取量根据传统PLS-SEM标准进行评估（Hair et al., 2021）。区分效度主要使用异质-单质相关比（HTMT）进行评估，因为HTMT已被证明比传统的Fornell–Larcker标准更能敏感地检测出区分效度问题（Fornell and Larcker, 1981；Henseler et al., 2015）。

其次，使用PLS-SEM并通过基于5,000次重抽样的自助法估计结构路径，这是在PLS-SEM中检验路径系数和间接效应显著性的常用程序（Hair et al., 2021）。H1和H2通过从感知拟人化到基本心理需求满足的直接路径，以及从基本心理需求满足到有问题的情感依赖的直接路径进行检验。H3通过感知拟人化经由基本心理需求满足对有问题的情感依赖的自助法间接效应进行检验（Preacher and Hayes, 2008）。

第三，使用PROCESS风格的条件过程分析检验调节和调节中介。使用孤独感与基本心理需求满足之间的交互作用来检验H4。然后估计低、中、高孤独感水平下的条件间接效应以检验H5。最后，用依恋焦虑替代孤独感，以检验该调节模式是否反映了一种更广泛的社会-情感脆弱性机制（Hayes, 2015）。

4 结果

4.1 测量模型

所报告的复合得分显示出较高的内部一致性和足够的收敛效度。Cronbach's alpha范围为0.913至0.950，组合信度范围为0.932至0.960，AVE范围为0.697至0.801（表4）。这些数值支持指定复合体内部的得分信度和收敛性，但它们并不能确立临床效度、内容效度，或单维PED或NS结构的优越性。

表4

信度和收敛效度。

PA、NS、PED和LO的信度值来自主模型。AA值来自替代调节变量模型。相同的alpha值在方法部分和结果部分中报告。

原始数据指标诊断与原始信度估计一致。每个题项在其所属的构念上载荷最强；载荷范围为 PA 0.884–0.901、NS 0.848–0.863、PED 0.820–0.849、孤独感 0.880–0.893、依恋焦虑 0.874–0.895。题项 VIF 范围为 2.21 至 3.78（表 5）。

表 5

补充原始数据指标诊断。

所有自助法 HTMT 估计值均低于 0.85，且所有 95% 置信上限均低于 0.70。最大估计值为 LO-AA，0.619 [0.544, 0.686]，其次是 PA-NS，0.606 [0.554, 0.653]，以及 PA-PED，0.602 [0.549, 0.649]（表 6）。

表 6

HTMT 估计值及 2,000 样本自助法置信区间。

补充的最大似然因子模型检验支持简约的单构念模型。单因子 PED 模型拟合良好，χ²(9) = 12.13，p = 0.206，CFI = 0.999，RMSEA = 0.023，SRMR = 0.013。行为失调/关系依赖相关模型并未改善拟合，且估计的因子相关为 0.9998。单因子 NS 模型同样拟合良好；三因子替代模型在自主性、关联性和胜任力之间的相关为 0.976–0.995，且信息准则更高（表 7）。

表 7

补充因子模型比较。

4.2 描述性关联、模型拟合与预测评估

核心变量之间的 Pearson 相关与所提出的模型一致。感知拟人化与需求满足和问题性依赖呈正相关。需求满足也与问题性依赖和孤独感呈正相关。孤独感与感知拟人化和依赖呈正相关但较弱，见表 8。

表 8

核心变量之间的 Pearson 相关。

***p < 0.001。PA = 感知拟人化；NS = 基本心理需求满足；PD = 问题性情感依赖；LO = 孤独感。

PLS-SEM 模型拟合指标表明模型质量可接受，适合进行假设检验。估计模型的 SRMR 为 0.090，低于 PLS-SEM 应用常用的 0.10 上限；NFI 为 0.950，超过推荐的 0.90，见表 9。

表 9

PLS-SEM 模型拟合指标。

指标报告自 SmartPLS 4.0。PLS-SEM 拟合指标应被解释为近似的模型质量指标，而非模型评估的唯一依据。

在标准化综合得分验证中，PA解释了NS方差的32.3%（调整后R² = 0.322；f² = 0.476）。PED模型解释了38.9%的方差（调整后R² = 0.386）。增量f²值分别为：PA为0.163，NS为0.103，孤独感为0.0003，交互项为0.012。预测变量的VIF为1.01–1.62。十折交叉验证对所有六个PED指标均产生了正的Q²_predict值（0.232–0.298），且每个指标的RMSE和MAE均低于训练折均值基准（表10）。

表10

十折交叉验证的指标预测。

4.3 结构关联

感知拟人化与基本心理需要满足呈正相关，β = 0.569，t = 23.671，p < 0.001，95% CI [0.519, 0.614]，与H1一致。基本心理需要满足与问题性情感依赖呈正相关，β = 0.317，t = 8.477，p < 0.001，95% CI [0.245, 0.391]，与H2一致。PA也保留了与PED的直接关联，β = 0.385，95% CI [0.312, 0.450]。LO-PED直接路径不显著，β = 0.016，p = 0.625（表11）。这些是同期标准化关联。

表11

结构路径系数。

4.4 横断面间接关联

PA-NS-PED间接关联为0.180，SE = 0.024，t = 7.670，p < 0.001，95% CI [0.137, 0.229]。PA-PED直接关联也保持正向。因此，该估计被描述为正向同期间接关联，而非需要满足在时间上中介拟人化对依赖影响的证据（表12）。

表12

结构路径系数。

4.5 调节与条件间接关联

在全样本中，标准化NS × 孤独感交互项为正向，β = 0.086，p = 0.005，95% CI [0.026, 0.146]。标准化NS-PED斜率从低孤独感时的约0.232增加到高孤独感时的0.405。在低、中、高孤独感水平下，条件间接估计分别为0.132、0.181和0.230，指数为0.049，95% bootstrap CI [0.016, 0.084]。因此，H4和H5与全样本数据一致。在平台标签校正后，五个具名陪伴/角色平台的合并估计更小且不显著，N = 583，β = 0.057，p = 0.083，95% CI [−0.007, 0.121]，其条件间接指数包含零（表13、14）。

表13

NS × 孤独感关联的平台敏感性。

最后一行是来自合并观测组回归的 NS × 孤独感 × 具名平台系数；负值表明五个具名平台上的调节作用弱于异质的“其他”类别。单个平台的估计属于探索性且不精确，因为子组样本量较小。表中的系数使用重新标度的标准化乘积项；图注显示的是标准化 NS 与孤独感乘积的未重新标度系数。

表 14

条件间接关联。

4.6 使用依恋焦虑的探索性稳健性检验

选择依恋焦虑作为替代调节变量，是因为它代表对拒绝和关系可得性的担忧，而孤独感代表对社会连接感知不足。标准化 AA × NS 交互项为正，β = 0.084，p = 0.006，95% CI [0.024, 0.144]，调节中介关联指数为 0.048，95% 自助法置信区间 [0.015, 0.084]。这些结果表明，较高的依恋焦虑会增强通过基本心理需要满足产生的间接关联。换言之，依恋焦虑较高的个体更可能将来自 AI 伴侣的心理需要满足转化为有问题的情感依赖。此外，这一探索性分析提供了补充证据，支持主要模型的稳健性（表 15）。

表 15

探索性依恋焦虑稳健性分析。

5 讨论

5.1 研究发现概述

本研究考察了感知拟人化如何与 AI 伴侣用户中有问题的情感依赖相关联，以及基本心理需要满足和孤独感是否有助于解释这种关联何时最强。研究使用来自中国 666 名 AI 伴侣用户的数据，支持了全部五个假设。在该样本中，感知拟人化、特定互动的基本心理需要满足和有问题的情感依赖呈正相关，主要路径在 PLS 和复合得分估计量中均得到重复。全样本同期间接关联在较高孤独感下更强，探索性依恋焦虑模型显示出平行模式。至关重要的是，孤独感交互作用在专用/角色平台子组中不存在，并且显著弱于其余平台。因此，正向主关联比调节主张更为稳健。这些发现均未识别时间方向、因果中介、临床病理或对人类关系的实际替代（T’ng et al., 2022）。

拟人化不应被解读为本质上是有害的。其被感知的人性化程度与需求满足和依赖均呈正相关，但观察到的调节模式在平台生态中有所不同。相同拟人化可供性可能支持良性参与、感知支持或有失调的依赖，具体取决于用户处境和互动模式。因此，本研究识别的是值得进一步检验的关联，而非普遍的设计效应或一般性的孤独放大机制。

因此，核心结论在摘要、结果和讨论中是一致的。感知拟人化不仅使AI伴侣具有吸引力或参与感；它还使其能够满足需求、具有个人回应性并在关系上有意义。这种需求满足部分解释了用户为何可能产生问题性依赖。这一解释与先前研究一致，这些研究表明拟人化可以塑造人–AI依恋和社会后果，并且AI伴侣可以为用户提供情感认可、感知理解和被倾听感（De Freitas et al., 2024；Guingrich and Graziano, 2025；Hermann, 2022）。孤独会强化这一过程，因为对于现实世界社会需求未得到充分满足的用户而言，AI提供的需求满足可能具有更大的替代价值。这与孤独和社会脆弱性会塑造AI伴侣使用心理结果的证据一致（Ciriello et al., 2026；Lai et al., 2025）。对依恋焦虑的稳健性分析进一步表明，这种调节模式不仅限于孤独，还可能反映具有更高关系不安全感用户的更广泛脆弱性（Ciriello et al., 2026；Knox et al., 2025；Liu et al., 2026）。

5.2 理论贡献

首先，本研究将面向伴侣的对话式AI置于SDT框架内，同时保留SDT对自主性、胜任感和关联性的区分。广泛的NS复合指标提供了互动层面的估计，但本文不再声称三种需求贡献相同。补充维度模型在维度间相关性非常高的情况下，产生了较小的关联性和胜任感系数，以及不显著的自主性系数；在能够推断独特维度贡献之前，需要更强的多题项测量（Parent, 2023；Przybylski et al., 2010）。

其次，本研究将先前声称的需求替代机制重新表述为一种可检验的未来解释。当前数据表明，感知拟人化、需求满足和问题性依赖共同变化。它们并未表明基于AI的需求满足取代了线下满足或减少了人际互动。直接检验需要测量线下需求满足、相对于对人的依赖对AI的依赖，以及随时间的变化（De Freitas et al., 2024；Liu et al., 2026）。

第三，孤独被定位为同时性关联的可能调节因素，而非决定性的风险因素。其全样本交互作用、在专门/角色平台中未能复现，以及探索性的依恋焦虑结果共同表明，为何不能从一个合并系数推断关系脆弱性。未来研究应预注册按平台分层的检验，并直接测量平台可供性与用户动机（Yao et al., 2025）。

5.3 对开发者和政策制定者的实践启示

开发者应结合用户控制和交互情境来评估拟人化特征，而不是将类人设计视为本质上不安全。相关保障措施包括：明确披露系统是人工的、对记忆和个性化提供控制、便于删除和导出用户数据、无摩擦地脱离、非操纵性通知、使用仪表盘，以及在用户报告痛苦时支持反思或线下联系的提示。系统应避免排他性暗示、引发内疚的信息，或暗示AI需要用户的参与策略（Hudon and Stip, 2025；Kaffee et al., 2025；Knox et al., 2025）。

政策制定者和平台治理团队可以要求适龄设计、对关系能力进行透明广告宣传、对情感依赖功能进行可审计的风险评估、可及的投诉机制，以及对高风险参与模式进行独立评估。保障措施应适度，不应拒绝为孤独用户提供陪伴。目标是在减少操纵性或促进依赖的设计激励的同时，保留支持性使用（Baggot, 2025；Boine, 2023；De Freitas et al., 2024）。

Educators, counselors, and mental-health practitioners should interpret self-reported AI reliance within the user’s broader social ecology. The revised PED measure is not a diagnostic tool (Seeger et al., 2021). It may help identify experiences that warrant conversation, but clinical screening or intervention requires validated instruments, functional-impairment evidence, and professional judgment (Ciriello et al., 2026; Lai et al., 2025; Shen et al., 2026).

5.4 Limitations and future research

Several limitations should be acknowledged. First, the cross-sectional design cannot establish temporal order or causal mediation. Reverse and reciprocal associations are plausible; longitudinal panel and experimental designs are needed. Second, all focal variables were self-reported in one survey. Shared method, evaluative tone, and semantic overlap may inflate associations even when HTMT is below conventional cutoffs. Third, the Chinese context and platform ecology limit generalizability. Cross-cultural replication should measure, rather than presume, cultural mechanisms.

6 Conclusion

Among adults in China reporting recent use of listed AI-companion or conversational-AI products, perceived anthropomorphism was positively associated with interaction-specific basic psychological need satisfaction and with a broad, non-clinical measure of problematic emotional dependence. A loneliness-contingent indirect association appeared in the full sample but not among dedicated/character-platform users. The robust contribution is therefore the positive cross-sectional association among the core constructs; the moderation finding is platform-contingent and requires replication. Responsible interpretation and design require attention to construct validation, platform ecology, recruitment provenance, and longitudinal evidence.

Statements

Data availability statement

The raw data supporting the conclusions of this article will be made available by the authors, without undue reservation.

Ethics statement

The studies involving humans were approved by Fujian University of Technology (Approval No. FJUT-J2026065). The studies were conducted in accordance with the local legislation and institutional requirements. The participants provided their written informed consent to participate in this study.

Author contributions

TLiu: Methodology, Writing – original draft, Supervision, Formal analysis, Writing – review & editing, Investigation, Software, Funding acquisition, Data curation, Resources, Validation, Project administration, Conceptualization, Visualization. R-mS: Conceptualization, Writing – review & editing, Methodology, Project administration, Supervision, Formal analysis, Resources. TLuo: Writing – original draft, Software, Data curation, Visualization. SJ: Writing – review & editing.

Funding

The author(s) declared that financial support was received for this work and/or its publication. This work was supported by Research Findings from the Fujian Provincial Social Science Fund Project [FJ2025BF077]; Research Project of Fujian University of Technology [GY-S22084].

Acknowledgments

The authors would like to thank all participants who took part in this study. We are also grateful to the AI companion user communities that supported participant recruitment and survey dissemination.

Conflict of interest

The author(s) declared that this work was conducted in the absence of any commercial or financial relationships that could be construed as a potential conflict of interest.

Generative AI statement

The author(s) declared that Generative AI was used in the creation of this manuscript. The authors used ChatGPT to help improve grammar and academic expression. All AI-assisted content was carefully reviewed, edited, and verified by the authors, who take full responsibility for the accuracy, originality, and integrity of the manuscript.

Any alternative text (alt text) provided alongside figures in this article has been generated by Frontiers with the support of artificial intelligence and reasonable efforts have been made to ensure accuracy, including review by the authors wherever possible. If you identify any issues, please contact us.

Publisher’s note

All claims expressed in this article are solely those of the authors and do not necessarily represent those of their affiliated organizations, or those of the publisher, the editors and the reviewers. Any product that may be evaluated in this article, or claim that may be made by its manufacturer, is not guaranteed or endorsed by the publisher.

References

• 1

  AndreassenC. S.GriffithsM. D.HetlandJ.PallesenS. (2012). Development of a work addiction scale. Scand. J. Psychol. 53, 265–272. doi: 10.1111/j.1467-9450.2012.00947.x

  • CrossRef
  • Google Scholar

• 2

  BaggotM. (2025). The quest for connection in AI companions. J. Ethics Emerg. Technol.35, 1–20. doi: 10.55613/jeet.v35i1.202

  • CrossRef
  • Google Scholar

• 3

  BartneckC.KulićD.CroftE.ZoghbiS. (2009). Measurement instruments for the anthropomorphism, animacy, likeability, perceived intelligence, and perceived safety of robots. Int. J. Soc. Robot.1, 71–81. doi: 10.1007/s12369-008-0001-3

  • CrossRef
  • Google Scholar

• 4

  BaumeisterR. F.LearyM. R. (1995). The need to belong: desire for interpersonal attachments as a fundamental human motivation. Psychol. Bull.117, 497–529. doi: 10.1037/0033-2909.117.3.497,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 5

  BoineC. (2023). Emotional attachment to AI companions and European law. MIT Case Studies in Social and Ethical Responsibilities of ComputingWinter 2023. doi: 10.21428/2c646de5.db67ec7f

  • CrossRef
  • Google Scholar

• 6

  BrandtzaegP. B.SkjuveM.FølstadA. (2022). My AI friend: how users of a social chatbot understand their human–AI friendship. Hum. Commun. Res.48, 404–429. doi: 10.1093/hcr/hqac008

  • CrossRef
  • Google Scholar

• 7

  BrennanK. A.ClarkC. L.ShaverP. R. (1998). “Self-report measurement of adult romantic attachment: an integrative overview,” in Attachment Theory and close Relationships, eds. SimpsonJ. A.RholesW. S. (New York, NY: Guilford Press), 46–76.

  • Google Scholar

• 8

  CacioppoJ. T.HawkleyL. C. (2009). Perceived social isolation and cognition. Trends Cogn. Sci.13, 447–454. doi: 10.1016/j.tics.2009.06.005,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 9

  ChaturvediR.VermaS.SrivastavaV. (2024). Empowering AI companions for enhanced relationship marketing. Calif. Manag. Rev.66, 65–90. doi: 10.1177/00081256231215838

  • CrossRef
  • Google Scholar

• 10

  ChenB.VansteenkisteM.BeyersW.BooneL.DeciE. L.Van der Kaap-DeederJ.et al. (2015). Basic psychological need satisfaction, need frustration, and need strength across four cultures. Motiv. Emot.39, 216–236. doi: 10.1007/s11031-014-9450-1

  • CrossRef
  • Google Scholar

• 11

  CirielloRaffaeleGalUriTurelOfir (2026). Not a Silver Bullet for Loneliness: How Attachment and Age Shape Intimacy with AI Companions.

  • Google Scholar

• 12

  CohenJ. (2004). Parasocial break-up from favorite television characters: the role of attachment styles and relationship intensity. J. Soc. Pers. Relat.21, 187–202. doi: 10.1177/0265407504041374

  • CrossRef
  • Google Scholar

• 13

  De FreitasJulianUğuralpAhmet KaanUğuralpZelihaPuntoniStefano (2024). AI Companions Reduce Loneliness.

  • Google Scholar

• 14

  DeciE. L.RyanR. M. (2008). Self-determination theory: a macrotheory of human motivation, development, and health. Can. Psychol. Psychol. Can.49, 182–185. doi: 10.1037/a0012801

  • CrossRef
  • Google Scholar

• 15

  DuJ.AlmA. (2024). The impact of ChatGPT on English for academic purposes (EAP) students’ language learning experience: a self-determination theory perspective. Educ. Sci.14:726. doi: 10.3390/educsci14070726

  • CrossRef
  • Google Scholar

• 16

  EpleyN.WaytzA.CacioppoJ. T. (2007). On seeing human: a three-factor theory of anthropomorphism. Psychol. Rev.114, 864–886. doi: 10.1037/0033-295X.114.4.864,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 17

  FangCathy MengyingLiuAuren R.DanryValdemarLeeEunhaeChanSamantha W. T.PatarapornPatet al. (2025). How AI and human behaviors shape psychosocial effects of extended chatbot use: a longitudinal randomized controlled study. arXiv [Preprint]. arXiv:2503.17473. doi: 10.48550/arXiv.2503.17473

  • CrossRef
  • Google Scholar

• 18

  FolkD.HeineS. J.DunnE. (2025). Individual differences in anthropomorphism help explain social connection to AI companions. Sci. Rep.15:36548. doi: 10.1038/s41598-025-19212-2,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 19

  FornellC.LarckerD. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. J. Mark. Res.18, 39–50. doi: 10.1177/002224378101800104

  • CrossRef
  • Google Scholar

• 20

  FournierL.SchimmentiA.MusettiA.BoursierV.FlayelleM.CataldoI.et al. (2023). Deconstructing the components model of addiction: an illustration through ‘addictive’ use of social media. Addict. Behav.143:107694. doi: 10.1016/j.addbeh.2023.107694,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 21

  FraleyR. C.WallerN. G.BrennanK. A. (2000). An item response theory analysis of self-report measures of adult attachment. J. Pers. Soc. Psychol.78, 350–365. doi: 10.1037/0022-3514.78.2.350,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 22

  GleasonT. R.TheranS. A.NewbergE. M. (2017). Parasocial interactions and relationships in early adolescence. Front. Psychol.8:255. doi: 10.3389/fpsyg.2017.00255,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 23

  GohA. Y. H.HartantoA.MajeedN. M. (2025). Generative artificial intelligence dependency: scale development, validation, and its motivational, behavioral, and psychological correlates. Comput. Hum. Behav. Rep.20:100845. doi: 10.1016/j.chbr.2025.100845

  • CrossRef
  • Google Scholar

• 24

  GuingrichR. E.GrazianoM. S. A. (2025). “A longitudinal randomized control study of companion chatbot use: anthropomorphism and its mediating role on social impacts,” in Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, vol. 8 (), 1153–1153.

  • Google Scholar

• 25

  HairJ. F.HultG. T. M.RingleC. M.SarstedtM.DanksN. P.RayS. (2021). “Evaluation of reflective measurement models,” in Partial least Squares Structural Equation Modeling (PLS-SEM) using R: a Workbook, eds. HairJ. F.Jr.HultG. T. M.RingleC. M.SarstedtM.DanksN. P.RayS. (Cham: Springer International Publishing), 75–90.

  • Google Scholar

• 26

  HayesA. F. (2015). An index and test of linear moderated mediation. Multivar. Behav. Res.50, 1–22. doi: 10.1080/00273171.2014.962683,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 27

  HayesA. F. (2018). Partial, conditional, and moderated moderated mediation: quantification, inference, and interpretation. Commun. Monogr.85, 4–40. doi: 10.1080/03637751.2017.1352100

  • CrossRef
  • Google Scholar

• 28

  HengS.ZhangZ. (2025). Attachment anxiety and problematic use of conversational artificial intelligence: mediation of emotional attachment and moderation of anthropomorphic tendencies. Psychol. Res. Behav. Manag.18, 1775–1785. doi: 10.2147/PRBM.S531805,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 29

  HenselerJ.RingleC. M.SarstedtM. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. Acad. Mark. Sci.43, 115–135. doi: 10.1007/s11747-014-0403-8

  • CrossRef
  • Google Scholar

• 30

  HermannE. (2022). Anthropomorphized artificial intelligence, attachment, and consumer behavior. Mark. Lett.33, 157–162. doi: 10.1007/s11002-021-09587-3

  • CrossRef
  • Google Scholar

• 31

  HuB.MaoY.KimK. J. (2023). How social anxiety leads to problematic use of conversational AI: the roles of loneliness, rumination, and mind perception. Comput. Hum. Behav.145:107760. doi: 10.1016/j.chb.2023.107760

  • CrossRef
  • Google Scholar

• 32

  HuangY.HuangH. (2025). Exploring the effect of attachment on technology addiction to generative AI chatbots: a structural equation modeling analysis. Int. J. Hum. Comput. Interact.41, 9441–9449. doi: 10.1080/10447318.2024.2426029

  • CrossRef
  • Google Scholar

• 33

  HudonA.StipE. (2025). Delusional experiences emerging from AI chatbot interactions or ‘AI psychosis.’. JMIR Ment. Health12:e85799. doi: 10.2196/85799,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 34

  HughesM. E.WaiteL. J.HawkleyL. C.CacioppoJ. T. (2004). A short scale for measuring loneliness in large surveys: results from two population-based studies. Res. Aging26, 655–672. doi: 10.1177/0164027504268574,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 35

  JacobsK. A. (2024). Digital loneliness—changes of social recognition through AI companions. Front. Digital Health6:1281037. doi: 10.3389/fdgth.2024.1281037,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 36

  JohnsonB. K.EdenA.ReineckeL.HartmannT. (2021). Self-control and need satisfaction in primetime: television, social media, and friends can enhance regulatory resources via perceived autonomy and competence. Psychol. Pop. Media10, 212–222. doi: 10.1037/ppm0000286

  • CrossRef
  • Google Scholar

• 37

  KaffeeLucie-AiméePistilliGiadaJerniteYacine (2025). “INTIMA: A Benchmark for Human-AI Companionship Behavior.”

  • Google Scholar

• 38

  KnoxW. BradleyBradfordKatieCastroSamanta VarelaOngDesmond C.WilliamsSeanRomanowJacobet al. (2025). Harmful Traits of AI Companions.

  • Google Scholar

• 39

  KühneR.PeterJ. (2023). Anthropomorphism in human–robot interactions: a multidimensional conceptualization. Commun. Theory33, 42–52. doi: 10.1093/ct/qtac020

  • CrossRef
  • Google Scholar

• 40

  KussD. J.ShorterG. W.van RooijA. J.GriffithsM. D.SchoenmakersT. M. (2014). Assessing internet addiction using the parsimonious internet addiction components model—a preliminary study. Int. J. Ment. Heal. Addict.12, 351–366. doi: 10.1007/s11469-013-9459-9,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 41

  LaestadiusL.BishopA.GonzalezM.IllenčíkD.Campos-CastilloC. (2024). Too human and not human enough: a grounded theory analysis of mental health harms from emotional dependence on the social chatbot Replika. New Media Soc.26, 5923–5941. doi: 10.1177/14614448221142007

  • CrossRef
  • Google Scholar

• 42

  LaiL.PanY.XuR.JiangY. (2025). Depression and the use of conversational AI for companionship among college students: the mediating role of loneliness and the moderating effects of gender and mind perception. Front. Public Health13:1580826. doi: 10.3389/fpubh.2025.1580826,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 43

  LiuT.LoT.-Y.WenK.-H.SunY.WeiZ.-Q. (2026). Pathways of long-term AI virtual companion app use on users’ attachment emotions: a case study of Chinese users. Front. Psychol.16:1687686. doi: 10.3389/fpsyg.2025.1687686,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 44

  LiuAuren R.PatarapornPatMaesPattie. (2024). Chatbot companionship: a mixed-methods study of companion chatbot usage patterns and their relationship to loneliness. arXiv [Preprint]. arXiv:2410.21596. doi: 10.48550/arXiv.2410.21596

  • CrossRef
  • Google Scholar

• 45

  LiuAuren R.PatarapornPatMaesPattie (2025). Chatbot Companionship: A Mixed-Methods Study of Companion Chatbot Usage Patterns and their Relationship to Loneliness in Active Users.

  • Google Scholar

• 46

  MaralS.NaycıN.BilmezH.ErdemirE. İ.SaticiS. A. (2025). Problematic ChatGPT use scale: AI-human collaboration or unraveling the dark side of ChatGPT. Int. J. Ment. Health Addict.24, 2369–2395. doi: 10.1007/s11469-025-01509-y

  • CrossRef
  • Google Scholar

• 47

  MerrillK.Jr.KimJ.CollinsC. (2022). AI companions for lonely individuals and the role of social presence. Commun. Res. Rep.39, 93–103. doi: 10.1080/08824096.2022.2045929

  • CrossRef
  • Google Scholar

• 48

  NakagomiA.AkutsuY.YasuokaM.AbeN.IharaS.TerohT.et al. (2026). AI companions and subjective well-being: moderation by social connectedness and loneliness. Technol. Soc.85:103229. doi: 10.1016/j.techsoc.2026.103229

  • CrossRef
  • Google Scholar

• 49

  NassC.MoonY. (2000). Machines and mindlessness: social responses to computers. J. Soc. Issues56, 81–103. doi: 10.1111/0022-4537.00153

  • CrossRef
  • Google Scholar

• 50

  PanM.LaiC.GuoK. (n.d.). AI chatbots as reading companions in self-directed out-of-class reading: a self-determination theory perspective. Br. J. Educ. Technol. doi: 10.1111/bjet.70002

  • CrossRef
  • Google Scholar

• 51

  ParentN. (2023). Basic need satisfaction through social media engagement: a developmental framework for understanding adolescent social media use. Hum. Dev.67, 1–17. doi: 10.1159/000529449

  • CrossRef
  • Google Scholar

• 52

  PengW.LinJ.-H.PfeifferK. A.WinnB. (2012). Need satisfaction supportive game features as motivational determinants: an experimental study of a self-determination theory guided exergame. Media Psychol.15, 175–196. doi: 10.1080/15213269.2012.673850

  • CrossRef
  • Google Scholar

• 53

  PengC.ZhangS.WenF.LiuK. (2025). How loneliness leads to the conversational AI usage intention: the roles of anthropomorphic interface, Para-social interaction. Curr. Psychol.44, 8177–8189. doi: 10.1007/s12144-024-06809-5

  • CrossRef
  • Google Scholar

• 54

  PreacherK. J.HayesA. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behav. Res. Methods40, 879–891. doi: 10.3758/BRM.40.3.879,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 55

  PrzybylskiA. K.RigbyC. S.RyanR. M. (2010). A motivational model of video game engagement. Rev. Gen. Psychol.14, 154–166. doi: 10.1037/a0019440

  • CrossRef
  • Google Scholar

• 56

  Robayo-PinzonO.Rojas-BerrioS.CamargoJ. E.FoxallG. R. (2025). Generative artificial intelligence (GenAI) use and dependence: an approach from Behavioral economics. Front. Public Health13:1634121. doi: 10.3389/fpubh.2025.1634121,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 57

  RubinR. B.McHughM. P. (1987). Development of parasocial interaction relationships. J. Broadcast. Electron. Media31, 279–292. doi: 10.1080/08838158709386664

  • CrossRef
  • Google Scholar

• 58

  RubinA. M.PerseE. M.PowellR. A. (1985). Loneliness, parasocial interaction, and local television news viewing. Hum. Commun. Res. 12, 155–180. doi: 10.1111/j.1468-2958.1985.tb00071.x

  • CrossRef
  • Google Scholar

• 59

  RussellD. W. (1996). UCLA loneliness scale (version 3): reliability, validity, and factor structure. J. Pers. Assess.66, 20–40. doi: 10.1207/s15327752jpa6601_2,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 60

  RyanR. M.DeciE. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. Am. Psychol. 55, 1–67. doi: 10.1037/0003-066X.55.1.68

  • CrossRef
  • Google Scholar

• 61

  SalamM.FarooqM. S. (2026). Exploring computer-supported collaborative learning through proposed 20-year update of IS success model and hierarchy of quality dimensions theory. Interact. Learn. Environ., 1–29. doi: 10.1080/10494820.2026.2709672

  • CrossRef
  • Google Scholar

• 62

  SalamM.FarooqM. S.IkramA.ShahzadM.AliA.JaafarN. (2026). Revised artificial intelligence device use acceptance (RAIDUA) model: exploring privacy concerns for socially responsible AI deployment and ethical AI leadership. J. Hosp. Tour. Insights9, 496–518. doi: 10.1108/JHTI-02-2025-0322

  • CrossRef
  • Google Scholar

• 63

  SeegerA.-M.PfeifferJ.HeinzlA. (2021). Texting with humanlike conversational agents: designing for anthropomorphism. J. Assoc. Inf. Syst.22, 931–967. doi: 10.17705/1jais.00685

  • CrossRef
  • Google Scholar

• 64

  SheldonK. M.TitovaL. (2023). Social media use and well-being: testing an integrated self-determination theory model. Media Psychol.26, 637–659. doi: 10.1080/15213269.2023.2185259

  • CrossRef
  • Google Scholar

• 65

  ShenM. KarenHuangJessicaLiangOliviaKimIg-JaeYoonDongwook (2026). The AI Genie Phenomenon and Three Types of AI Chatbot Addiction: Escapist Roleplays, Pseudosocial Companions, and Epistemic Rabbit Holes.

  • Google Scholar

• 66

  SkjuveM.FølstadA.FostervoldK. I.BrandtzaegP. B. (2021). My chatbot companion - a study of human-chatbot relationships. Int. J. Hum. Comput. Stud.149:102601. doi: 10.1016/j.ijhcs.2021.102601

  • CrossRef
  • Google Scholar

• 67

  SkjuveM.FølstadA.FostervoldK. I.BrandtzaegP. B. (2022). A longitudinal study of human–chatbot relationships. Int. J. Hum. Comput. Stud.168:102903. doi: 10.1016/j.ijhcs.2022.102903

  • CrossRef
  • Google Scholar

• 68

  T’ngS. T.HoK. H.PauK. (2023). Need frustration, gaming motives, and internet gaming disorder in mobile multiplayer online battle arena (MOBA) games: through the lens of self-determination theory. Int. J. Ment. Health Addict.21, 3821–3841. doi: 10.1007/s11469-022-00825-x

  • CrossRef
  • Google Scholar

• 69

  TaV.GriffithC.BoatfieldC.WangX.CivitelloM.BaderH.et al. (2020). User experiences of social support from companion chatbots in everyday contexts: thematic analysis. J. Med. Internet Res.22:e16235. doi: 10.2196/16235,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 70

  ThrouvalaM. A.GriffithsM. D.RennoldsonM.KussD. J. (2019). Motivational processes and dysfunctional mechanisms of social media use among adolescents: a qualitative focus group study. Comput. Hum. Behav.93, 164–175. doi: 10.1016/j.chb.2018.12.012

  • CrossRef
  • Google Scholar

• 71

  WaytzA.EpleyN.CacioppoJ. T. (2010). Social cognition unbound: insights into anthropomorphism and dehumanization. Curr. Dir. Psychol. Sci.19, 58–62. doi: 10.1177/0963721409359302,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 72

  XieTianlingPentinaIryna (2022). Attachment Theory as a Framework to Understand Relationships with Social Chatbots: A Case Study of Replika.

  • Google Scholar

• 73

  YaoR.QiG.ShengD.SunH.ZhangJ. (2025). Connecting self-esteem to problematic AI chatbot use: the multiple mediating roles of positive and negative psychological states. Front. Psychol.16:1453072. doi: 10.3389/fpsyg.2025.1453072,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 74

  YuS.-C.ChenH.-R.YangY.-W. (2024). Development and validation the problematic ChatGPT use scale: a preliminary report. Curr. Psychol.43, 26080–26092. doi: 10.1007/s12144-024-06259-z,

  • Pubmed Abstract
  • CrossRef
  • Google Scholar

• 75

  YuQ.LanX. (2025). “Exploring the impact of anthropomorphism in role-playing AI chatbots on media dependency: a case study of Xuanhe AI,” in Proceedings of the Twelfth International Symposium of Chinese CHI CHCHI ‘24, (New York, NY, USA: Association for Computing Machinery), 170–181.

  • Google Scholar

• 76

  ZhangYutongZhaoDoraHancockJeffrey T.KrautRobertYangDiyi. (2025). The rise of AI companions: interaction with AI companions and psychological well-being. arXiv [Preprint]. arXiv:2506.12605. https://arxiv.org/abs/2506.12605v5.

  • Google Scholar

Keywords

AI companion, basic psychological need satisfaction, loneliness, perceived anthropomorphism, problematic emotional dependency, self-determination theory

Citation

Liu T, Shih R, Luo T and Jin S (2026) When loneliness amplifies the risk of problematic emotional dependence: perceived anthropomorphism and basic psychological need satisfaction in AI companion use. Front. Psychol. 17:1900817. doi: 10.3389/fpsyg.2026.1900817

Received

05 June 2026

Revised

02 September 2026

Accepted

18 September 2026

Published

13 October 2026

Volume

17 - 2026

Updates

Copyright

© 2026 Liu, Shih, Luo and Jin.

This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY). The use, distribution or reproduction in other forums is permitted, provided the original author(s) and the copyright owner(s) are credited and that the original publication in this journal is cited, in accordance with accepted academic practice. No use, distribution or reproduction is permitted which does not comply with these terms.

*Correspondence: Ruey-ming Shih, srm1592@fjpit.edu.cn

Disclaimer

All claims expressed in this article are solely those of the authors and do not necessarily represent those of their affiliated organizations, or those of the publisher, the editors and the reviewers. Any product that may be evaluated in this article or claim that may be made by its manufacturer is not guaranteed or endorsed by the publisher.