大學生學習焦慮情緒調節類AI應用的設計研究

引言

《2023 年度中國精神心理健康》藍皮書顯示，隨著生活和工作節奏加快，社會競爭急速加劇，國民心理壓力大大增加，僅有36%的國民認為自己心理健康良好[1]。《2023-2024 心理健康及行業人群洞察報告》基于簡單心理隨機抽樣的6 萬多份數據樣本顯示，超過半數以上的參與者表現出中度及以上的抑郁或焦慮癥狀[2]。其中，大學生群體隨著學業、就業等壓力的增大，心理健康問題日益突出，據調查表明，我國大學生群體中存在心理問題的約占20%，大學生輕度焦慮風險高達38%，而患有較嚴重的心理障礙的約有10%[3]。

處于學習與步入社會轉型期的大學生，身份的轉變、角色的轉變和心理的落差往往會讓不能快速適應和調整的人產生焦慮，甚至部分大學生由于焦慮情緒引發嚴重的心理障礙，發展成焦慮癥、抑郁癥等心理疾病[4]。大學生是社會發展和國家進步的希望，大學生身心健康不僅關系到個人發展，更影響整個社會和民族的未來發展。關注大學生的心理健康問題刻不容緩，因此，大學教育及教育工作者都要重視大學生心理健康，從教學上、生活中關注學生心理問題，更要應用自身專業優勢為大學生心理健康提出可實施的調節方法，本研究將應用AI 技術與藝術思維相結合構想調節大學生學習焦慮情緒的App，以期起到緩解和調節情緒作用。

一、大學生焦慮類型和學習焦慮的概念

大學生有來自家庭、學業、社交等壓力引起的情緒問題，還有一個時代特點——社交媒體的過度使用導致的信息焦慮[5]。因此大學生的焦慮類型主要分為社交焦慮、學習焦慮、情感焦慮、就業焦慮和信息焦慮。其中，學習焦慮是大學生焦慮最主要的類型。

學習焦慮，又稱學習焦慮癥，是指學生在學習過程中因各種壓力或擔憂而產生的緊張不安、恐懼害怕的情緒狀態[6]。這種焦慮情緒來源學業成績、考試壓力、家庭期望、同學競爭、自我期望過高、學習方法不當、時間管理不善、對失敗的恐懼等[7]。過度的焦慮情緒不及時被化解、引導和轉換，久而久之就會越來越嚴重，而陷入精神疾病狀態，例如抑郁癥、焦慮癥等。要正確認識并及時關注和積極處理焦慮情緒，不能任由其生長和積壓發展至病態狀態。

二、 Gross情緒調節理論

情緒調節是心理學領域的一項重要研究內容，西方知名學者Gross 提出了情緒調節的過程與策略理論。Gross 將情緒調節明確定義為是個體對情緒發生、體驗與表達施加影響的過程，不同階段會有不同的情緒調節表現，主要有情景選擇、情景修正、注意分配、認知改變和反應調整5 個方面[8]。他開創性提出了認知重評與表達抑制是最常用和最具良好實施性的調節策略。認知重評是通過選擇有意義的可能解釋或基于情緒事件的合理性建構等方式來規避不良情緒。表達抑制是反應調整的一種，是針對即將或已發生的情緒事件，通過改變心理體驗、行為表達等，以緩解或消除不良情緒。

Gross 情緒調節理論是從認知改變和反應調整的角度結合情緒發生過程，總結出情緒調整策略。首先，要允許各種情緒的發生，因為情緒是人本能的反應。而認知改變就是管理情緒的前提，在情緒發生前要善用認知重評來接納各種情緒。第二，在情緒發生中要適當表達抑制，也要適當宣泄情緒。最后，情緒發生后積極復盤與反思。這整個過程總結來說就是“接納—改變—理解—反思”的一個情緒調節過程。

三、人工智能技術在情緒調節類產品的應用和發展

隨著大數據、互聯網和信息科技的發展，人工智能被廣泛試點應用于智慧醫療、智慧教育等領域。國務院在2017 年7 月份發布了《新一代人工智能發展規劃》，我國醫療AI 技術及理論取得了顛覆性進展[9]。其中，人工智能和心理健康的結合是頗具前景的，特別是在情緒識別與干預方面，AI 展現出了巨大的潛力和價值。

（一）AI 技術在心理健康方面的應用

AI 技術以其強大的數據處理與分析能力，精準識別個體的情緒狀態，為心理健康的監測與干預提供了前所未有的可能。通過自然語言處理、機器學習等先進技術，AI 可以分析用戶的言語、行為模式乃至生理信號，如心率變異性、皮膚電導等，從而構建出個性化的情緒畫像[10]。具體來說人工智能在心理健康領域的應用如下。

1. 情緒識別和個性化服務

AI 技術可以通過分析語音、文字或面部表情來識別個體的情緒狀態，幫助人們了解自己的情緒。并基于這些數據，智能系統可以提供個性化的心理健康建議和服務。

2. 智能監測和提醒

AI 可以檢測和收集到用戶的生理數據、言語、行為模式等，例如心率、體溫、語氣狀態、動作頻率等。再通過分析這些數據，識別出身體的健康數據和行為模式，推斷情緒變化的趨勢和模式，預警潛在的心理危機，提出相應的干預措施達到提前預防的作用。

3. 自然語言處理技術助力智能語音系統的情感化溝通

隨著自然語言處理（NLP）技術、深度學習等技術的發展，AI正在逐步理解人類的語言習慣、情感和隱含信息。人工智能語音系統以模仿人類的溝通方式，具有情感化地與用戶進行溝通，為用戶提供情緒支持和情緒調節的建議。

4. 虛擬現實和增強現實

虛擬現實和增強現實技術為用戶創建可以休息、放松的虛擬環境，沉浸式的體驗用于緩解壓力和調節情緒。例如，用戶可以進入一個安靜的森林或海洋環境，通過與虛擬對象互動來實現情緒調節。

（二）情感類AI 的應用和技術特點

目前，市場上AI 干預和調節情緒產品最多的是情感類AI 應用，相關研究也證明此類產品在一定程度上可以緩解焦慮和抑郁情緒。追溯其發展歷史最早是20 世紀60 年代，MIT 計算機科學家開發的ELIZA 程序便初步展示了計算機模擬心理治療的可能性。而隨著生成式AI、自然語言處理技術、機器學習等技術的發展，越來越多的情感類AI 應用如雨后春筍般涌現。現在應用于心理健康領域最為知名的聊天機器人是Woebot，是臨床心理學家AlisonDarcy 在Facebook Messenger 的聊天機器人的基礎上， 基于CBT 原理，為用戶提供日常心理支持和指導，幫助用戶識別和改變負面情緒所創造的。已有研究表明Woebot 有助于緩解大學生的焦慮和抑郁癥狀[11]。

情感類AI 應用的發展必然是一個趨勢。目前國外有Character.AI、EVI、Pi、Replika、Wysa、Youper、Talkie 等。國內有筑夢島、Glow、星野、AI 烏托邦、Emohaa、數字人“心心”、哄哄模擬器、QQ 聊天搭子、冒泡鴨、Talking Ben、閱愛聊、給麥等。這些聊天機器人基于大語言模型和虛擬社交情景構建，情緒的及時回應、舒適安全的對話環境、擬人性的共情能力，是情感類機器人的三大優勢[12]。從“確認用戶具體問題—通過共情、理解表達支持—為用戶提供解決方案”是其核心的理論模型。

在國內，廣東數業智能科技有限公司深耕于“AI+ 心理健康”技術的科研和創新，自主構建“心理垂直領域對話大模型”和“多模態心理評估大模型”兩大模型核心技術[13]，這為AI 心理測試和緩解情緒提供了當今人工智能領域最前沿且最具準確性的方法之一。

四、大學生學習焦慮情緒調節App構想設計

（一）大學生學習焦慮的用戶調研

為深入了解大學生學習焦慮的現狀和需求，本研究采用問卷調查和訪談法，在北京地區高校開展了用戶調研。調研對象為在校本科生和研究生，涵蓋不同年級、專業和學校類型。問卷通過網絡發放，共收到210 份有效數據。調研主要圍繞以下幾個方面展開。

1. 學習焦慮的表現

通過多個維度的問卷題目，考察大學生在學習過程中的焦慮水平、生理反應、情緒體驗、行為表現等。結果顯示，73% 的被試者存在不同程度的學習焦慮，主要表現為緊張、煩躁、注意力不集中、睡眠質量下降等。

2. 情緒調節的方式

63% 的大學生傾向于被動回避，采取打游戲、刷視頻、睡覺等逃避方式，而主動尋求情緒調節的比例不足30%。大學生嘗試過的情緒調節方式包括傾訴宣泄、轉移注意力、放松訓練等。

3. 對學習焦慮情緒調節App 的期待

85% 的被試表示愿意嘗試使用App 調節學習焦慮。他們期待App 能提供個性化的情緒診斷和反饋、趣味性的調節方法、專業性的心理指導、同伴交流和分享等功能。同時，也提出了隱私保護、使用便捷等要求。

為了發掘大學生學習焦慮的根本原因，以自愿參與原則，課題組與具有輕度焦慮的20 位來自不同高校不同專業的大學生進行深度訪談和觀察。經過對訪談結果和觀察現象的深入剖析，學習焦慮的根源都在于“未完成”學習目標，即要求與實現之間不一致。而“未完成”是未達到自我設定目標，其原因最終可以歸納為兩種。

1. 第一類是自我效能低，主要原因是缺乏自信心，這導致個體陷入自我懷疑和否定的負面情緒狀態，即使個人能力完全可以完成目標任務，也因為自信心不足無法達到預期[14]。

2. 第二類是設定目標與能力不匹配，這其中分為超我和過載兩種現象。“超我”一詞源自弗洛伊德的精神結構學說，分為本我、自我和超我3 個階層[15]。超我是指人格結構中的道德良心和自我理想部分。每個人內心都有一個強大的“超我”在不斷對自我提出要求，要求“我”要越來越優秀，而要求也會隨之越來越苛刻。當個人陷于這種“超我”狀態時，近乎苛刻的自我要求本身太過強烈，當無法達到預期目標時，焦慮情緒也會非常強烈甚至會無法化解。“過載”情況主要是能力低于預期，高估了個人能力，當個人能力不夠無法完成既定目標時，內心的懊悔，甚至是羞愧感讓個人感覺無比焦慮。如圖1 所示。

這是大學生“學習焦慮”最根本的心理原因，也是用戶的痛點，解決這個痛點就是這次項目的最大創新點。從心理層面來說，解決大學生的學習焦慮，首先要正確地認識自我，評估自我能力，設置和能力相匹配的目標，當目標一次次完成時，自信心也在慢慢建立，從而再一點點提升目標。同時要允許自己不完美，能力有欠缺，承認自己的不足才是真正的自我認知。而認識問題不是以此為借口來停滯不前，是要和自我和解，設置合理的奮斗目標，如同上臺階一樣，一點點進步，從而一次次加強自信心，最后使內心變得強大和自信。具體步驟如圖2 所示。這些心理策略將是項目設定功能和調節焦慮情緒的依據。

（二）大學生學習焦慮情緒調節App 的創意規劃策略

通過對目標群體的用戶調研，準確抓住了大學生學習焦慮的原因。從心理層面找到了解決的方案，接下來要基于Gross 情緒調節理論，將AI 技術與藝術思維結合起來規劃產品的設計方案。

1. 理論基礎

Gross 情緒調節理論。根據Gross 情緒調節理論，“接納—改變—理解—反思”過程其實就是接納負面情緒，理解情緒到通過方法化解情緒，最后找到適合自我調節情緒的有效方法的過程。

2. 智能特色

人工智能驅動。AI 技術調節情緒的核心理論模型是從“找到問題—共情—提供建議和方案”。充分發揮AI 的情緒識別、智能監測、擬人性的語音功能，從第三者的角度去共情情緒，給予充足的情緒價值來安撫個人的心理，最后提出個性化的解決方案。但學習中焦慮的重點在于“未完成”，如果僅用AI 提供情緒價值，是遠遠不夠的。真正可以緩解學習焦慮的方法是合理應用AI 大模型來輔助用戶完成各項知識任務，并且為用戶提出學習建議和個性化的學習方案，以此消彼長的方式提升用戶的能力，從而增強個人能力和信心。同時應用虛擬現實和增強現實技術搭建數字化虛擬環境，為用戶提供休息、放松、冥想的感官體驗以達到放松心情、調節情緒的作用。

3. 功能架構

AI 與情緒調節理論協同。充分發揮AI 技術的優勢，提供個性化、精準化的服務，而整個功能設置符合“接納—改變—理解—反思”的過程，技術與理論互為補充，協同發力，全方位支持用戶的情緒管理。

（三）大學生學習焦慮情緒調節App 的交互邏輯和功能結構

通過以上的分析，本小組設計規劃了一款調節大學生學習焦慮情緒App《云嶼》。“云嶼”本意為云煙籠罩的小島，形成了一種美麗的自然景觀，這里意想借此來引起美好的聯想，起到舒緩情緒的作用。

作品根據學習焦慮的根本心理原因，設置主要的內容板塊，即“自我效能低，超我焦慮，過載狀態，綜合模式”。進入每個板塊是以“認識—復盤—制定—實施- 緩解”的情緒調節順序為邏輯，通過這5 個步驟形成良性循環從而逐步改善和緩解焦慮情緒。

作品設置了AI 聊天機器人“小云”，作為AI 功能的觸發機制。用戶通過呼喚“小云”啟動AI 功能，“小云”既可以完成主動關懷用戶，富有情感性地與用戶溝通，給予用戶充足的情緒價值，還可監測用戶情緒，給予用戶客觀的建議。更可以通過接受指令為用戶提供任何的資訊、信息、知識等的幫助，在心理的關懷和實質的學習幫助后，真正起到緩解學習焦慮情緒的作用。AI 聊天機器人是基于“心理垂直領域對話大模型”和“多模態心理評估大模型”來完成心理評估、語音溝通等功能，在實際的項目創作過程中無法解決大模型內嵌App 的技術難點和費用問題，包括調用AI 大模型輔助完成用戶的各項學習任務。因此，在項目技術落地階段，項目組租用數業智能SaaS 數字心理服務平臺，為心理測試和評估提供較為權威的數據庫依據。AI 大模型調用了百度智能云千帆大模型平臺的文心一言，其穩定性和信息的準確性是很不錯的。

具體來說，首先用戶在“認識”內容板塊，自主記錄心情，可以是文字、語音或視頻，并且填寫CBT 焦慮問卷調查表，而這些信息就是AI 識別用戶情緒和評估用戶焦慮狀態的依據。AI 通過用戶提供的情緒狀態，評估個體的情緒，結合用戶填寫的CBT 焦慮問卷調查表，給出其屬于哪種學習焦慮的狀態分析，即自我效能低，超我焦慮，過載狀態，還是綜合模式。

接下來在“復盤”和“制訂”環節，AI 幫助其分析學習狀態，設置和能力相匹配的目標任務，然后根據“制定”的計劃，在“實施”環節一步步來完成這些任務。AI 監督其完成學習任務，根據個體能力，分包成小目標，讓個體避免畏難心理，遇到困難及時給予幫助，例如，隨時對個體提出的學術問題提供資料、信息幫助，幫其分析問題難點等。并嚴格控制任務時間，督促其及時完成各項任務，完成了會有獎勵，反之也會有所懲罰，例如減少其娛樂的時間等。在這個過程中，個體不會逃避問題，直面問題并努力解決，隨之能力和信心都會得到提升。完成階段性任務后，“緩解”板塊就可以為用戶提供和推薦放松方式，如音樂、藝術賞析、冥想、虛擬體驗、解壓小游戲等。具體功能的展開會在下面章節以真實案例講述。

（四）《云嶼》產品效果測試

為了測試產品效果，項目組向前期進行深度訪談的用戶發出測試邀請，共有8 位用戶自愿參與測試。測試采用單一被試實驗設計，以2 周為一個調節周期。下面先以一位用戶為例，描述其操作產品的過程。

小A 是一個學習很努力的大三學生，他的專業是數字媒體技術，小A 自我要求較高，他期望可以把專業技能精煉，四年級畢業時順利找到工作。但進入三年級后專業課程越來越多，涉及的知識和實操技能越來越廣泛，并且數字媒體技術的行業發展是日新月異。小A 總感覺自己不能完全掌握行業動態，專業技能的熟練程度和自己的實操能力也遠沒達到標準。這使他很沒有自信，當學習中遇到自己無法解決的問題時時常發脾氣、著急，從而更加暴躁，形成了惡性循環，甚至已經對學習專業技能產生抵觸情緒。首先小A呼喚小云，和“小云”傾訴自己最近關于學習上遇到的問題，小A使用文字輸入方式。此時“小云”初步掌握小A 的基本情緒狀態，“小云”鼓勵小A，小A 主動填寫了CBT 焦慮問卷調查表，“小云”結合問卷結果，給出他當前的學習焦慮狀態評估——屬于“自我效能低”模式（如圖3）。

小A 進入“自我效能低”板塊，在“復盤”內容頁，小A 填寫了自己想要學習和提升的方面，“小云”根據數字媒體技術的專業特點和小A 目前的學習能力，幫小A 匯總了現階段需要學習和掌握的專業技能，并提供了學習資源和渠道，例如書籍和網絡資源等（如圖4）。

小A 在“小云”的幫助下制定了學習時間表和階段性目標等（如圖5）。

在接下來的日子里，小A 較為自律地進行各階段學習任務，也有拖延和偷懶的時候，比如長時間玩游戲等，系統就會啟動“強制關機”功能。當每項任務臨近打卡時間時，系統就會主動提醒小A。當小A 完成階段性任務后成功積分和看到“任務進度條”時，內心的喜悅和自信心就會慢慢建立（如圖6）。

小A 也會在學習之余去“緩解”內容頁選擇一種方式休閑娛樂，小A 最喜歡“冥想”功能，在這里他建立了屬于自己的內心世界（如圖7）。通過為期兩周的試用，小A 的學習焦慮情緒得到了明顯的緩解。小A 說當自己自律地完成每一個階段性任務，并隨時隨地得到學習上的幫助和心理的關懷時，已經變得自信起來了，這也形成了良性循環，相信自己會越來越好，相信自己只要付出努力，總能一點點掌握技能，這讓他感覺實在是太好了。

最后項目組匯總了8 位測試用戶的使用數據，得到以下結果。

1. 學習焦慮水平顯著下降

配對樣本T 檢驗顯示，測試者使用App 后的學習焦慮量表得分（M = 38.70，SD = 6.83），顯著低于使用前（M = 53.50，SD= 8.32），t（9）= 6.64，p lt; 0.001，Cohen's d = 2.10。這表明“云嶼”App 對緩解大學生學習焦慮具有顯著效果。測試者普遍反映，作品提供的人工智能功能，非常恰當和有效緩解了焦慮情緒，最重要的是提供了有效的幫助方式，比如學習資料，并且隨時隨地提供幫助。綜合運用App 的各項功能，被試在接納焦慮、調節情緒、改善行為等方面取得了實質性進展，如表1。

2. 正性情緒顯著提升

配對樣本T 檢驗顯示，測試者使用App 后的正性情緒量表得分（M = 28.30，SD = 4.90），顯著高于使用前（M = 18.60，SD = 5.38），t（9）= -5.62，p lt; 0.001，Cohen's d = -1.78。這表明作品不僅能減輕學習焦慮，還能促進正性情緒的體驗。測試者表示作品的情緒調節方式，如冥想音樂、勵志美文、解壓游戲等，為他們提供了放松身心、轉移注意、培養樂觀情緒的途徑，如表2。

3. 用戶體驗評價積極正面

測試者對App 的界面設計、功能性能、內容質量、使用便捷性等方面給予了較高評價，平均滿意度達到8.5 分（滿分10 分）。同時測試者提出一些改進建議，主要是完善隱私保護措施，提升數據安全性等。這為后續迭代開發提供了參考。

結語

學習焦慮已經成為影響大學生身心健康、學業發展的重要問題。有效緩解和調節學習焦慮，不僅關乎大學生的當前適應和成長，更關系到國家和民族未來人才隊伍的培養。本研究基于Gross 情緒調節理論，應用人工智能技術，設計開發了面向大學生學習焦慮的情緒調節App。該App 集智能測評、情緒溝通、輔助學習等功能，幫助大學生提升對學習焦慮的覺察和管理能力，促進學業發展與心理健康。初步的產品測試結果證實了“云嶼”在緩解學習焦慮、改善情緒體驗方面的有效性。但本研究存在一些局限和不足，首先，研究主要在北京地區高校開展，調研和測試樣本有限，結果的普適性有待進一步檢驗。未來，應擴大研究范圍，納入更多地區、類型、專業的大學生群體，以提高研究結論的外部效度。其次，本研究對于人工智能技術的應用還不深入，當然這存在技術難點問題，后續研究要擴大團隊技術研發力量，實現對專業數據采集、分析，以及對用戶的自然語言溝通、個性化服務等功能。

未來，大學生學習焦慮干預領域的研究應立足多學科視角，整合心理學、教育學、人工智能、大數據等多領域優勢資源，著力打造集智能化、個性化、精準化、融合化于一體的情緒調節服務模式。既要充分利用人工智能技術賦能情緒調節實踐，又要堅持以人為本，突出人文關懷，為大學生營造自主、互助、接納、成長的健康情感生態。