Anthropomorphism in Children's Interactions with LLM Chatbots: A Systematic Review of Drivers and Outcomes
Hansinie Madushika Jayathilake, Renkai Ma
cs.HC
2026-05-09
系统综述 2022–2025 年 35 项实证研究,梳理儿童把 LLM 聊天机器人当人的诱因(角色扮演、陪伴、脚手架、非人形象)与后果(建立社交关系、双重意识等),并指出当前研究以短期、美国、GPT 为主。
儿童用 LLM 聊天机器人越来越多,教育、心理健康、家庭沟通里都有。拟人化(anthropomorphism,把人的特征安到非人对象上)是这些交互里反复出现的现象,但此前研究分散,各做各的。这篇用系统综述把碎片拼起来,回答两个问题:是什么驱动了儿童对 LLM 机器人的拟人化?这种拟人化又带来哪些后果?
按 PRISMA 指南,在三个数据库(ACM Digital Library、Scopus、Web of Science)检索 2022 年到 2025 年 8 月的文献,这个起点对齐 ChatGPT 公开。纳入标准要原始实证、用户 18 岁以下、明确是 LLM(不是规则系统)、英文。筛完后 35 项研究入选,排除了 22 项非 LLM 系统、118 项人群或场景不符、3 项非实证。
分析用了归纳与演绎结合:先把参与者年龄映射到皮亚杰发展阶段,做归纳主题编码,再把诱因对照 Epley 的 SEEK 框架(诱发能动知识、效能动机、社交动机),后果对照 Huppert 的幸福模型。
研究画像:19 项混合方法、13 项质性、3 项量化;地域以美国(18)、中国(5)、韩国(4)为主;28 项用了 OpenAI GPT 系列;研究对象集中在具体运算阶段(6–12 岁)。发表趋势是指数增长,2024 年 15 篇,2025 年一季度就 19 篇。
诱因归纳出四类。拟人角色塑造 19 项,靠详细人设、语音语调、情感表达、第一人称、87% 的话术识别率;支持性陪伴 16 项,自称「你的 AI 朋友」、不评判、情感回应;自适应脚手架 14 项,动态调难度的问题生成、耐心情绪支持;非人形象设计 10 项,奇幻动物、自然物化身、卡通造型,是对 SEEK 框架的扩展。第四类直接扩展了 SEEK 框架:连非人形象(鸸鹋、潟湖)也能触发拟人化,作者认为协调的多模态回应可能压过外表。
后果归纳出五类:建立社交关系(20)、试探社交边界、把对话失败归因成人化叙事、矛盾的社会-道德反应、双重意识形成(既当朋友又当机器)。发展阶段会调制后果:把机器人当「恋人」只出现在形式运算阶段(12 岁以上),当老师或玩伴从学前就开始。
对做儿童向 AI 产品的从业者,这篇把「儿童为什么把机器人当人、当人之后会发生什么」整理成了一张可操作的地图。它明确反对把问题简化成「好处 vs 风险」二元,指出拟人化同时牵动发展的多个维度。对一个增长极快但实证还很薄的方向,这是目前最完整的现状盘点。
也提示了产品取舍:拟人化不是越多越好,它在不同发展阶段表现不同,设计上需要按年龄分层。
作者自己点出的局限都偏方法:现有证据基本是短期交互(单次或少数几次),无法回答长期发展影响;感觉运动和前运算阶段(0–6 岁)以及 17 岁以上的大龄青少年研究不足;地域和技术上都单一,以美国、以 GPT 为主,代表性有限;多数研究是探索性的,纵向设计稀缺。
一处补充存疑:35 项里只有 3 项是量化,绝大多数是质性或混合方法,结论更多是模式归纳,而不是带效应量的因果证据。「87% 的话术识别率」这类数字零散出现在个别研究里,综述层面没有统一度量。