遭到人際拒絕時，我們會找 AI、真人，還是選擇獨處？一項 1,820 人心理學研究計畫的深度解析

導言｜被拒絕以後，第三個選項出現了

當一個人傳訊息給朋友卻沒有收到回覆、想尋求支持卻擔心再次遭到拒絕，他可以繼續找真人、轉向不會立即表現不耐煩的 AI 聊天機器人，也可以什麼都不做，退出互動。這不是單純的產品選擇，而是關於社會風險、求助成本與人際信任的心理學問題。2026 年 9 月公開於 Open Science Framework（OSF）的預註冊研究，正試圖把這個問題變成可檢驗的統計假說。

一、這項研究究竟研究什麼？

研究原題為「Participant Gender, Protagonist Gender, and Choosing an AI Chatbot, Human Contact, or Withdrawal Under Interpersonal Threat: A Preregistered Secondary Analysis of a Randomized Vignette Study」。這是一份已收集資料的二次分析預註冊，不是公布完整效果數字的成果論文。研究者希望檢驗：當人們閱讀遭遇人際威脅的情境時，會選擇聯絡另一個人、和 AI 聊天，還是退出互動？選擇是否與受訪者性別、故事主角性別，以及兩者是否相符有關？研究關心的不是 AI 是否真正具備同理心，而是人們如何在可能被拒絕的環境中權衡不同的互動方式。

二、樣本與實驗：1,820 人、六種情境、三個選項

原始資料來自線上招募的 1,820 名波蘭語成年人，年齡為 18 至 40 歲。每人閱讀六段描述人際威脅的短篇情境（vignettes），情境涉及不同的人際關係與被拒絕風險，並在聯絡真人、與 AI 聊天機器人交談、退出互動三個選項中選擇。研究另測量孤獨感、憂鬱症狀、對 AI 聊天機器人的信任，以及近期使用經驗。預註冊指出，五名回報性別非男性或女性的參與者不納入這次性別比較分析，因此原始招募人數不等於所有分析的有效樣本數。這是研究的分析範圍限制，不應延伸解讀為其他性別群體不存在相同問題。

三、為什麼要區分「受訪者性別」和「故事主角性別」？

假設兩個人讀到同一段被朋友冷落的故事，一個版本的主角是男性，另一個版本的主角是女性。即使情境的其他條件相同，讀者可能因為對主角的刻板印象、同一性認同或自我投射，給出不同選擇。研究把「受訪者自身性別」當作觀察性比較變項，並將「情境主角性別」隨機分派，以分析故事敘述方式是否改變選擇。這兩種證據不能混為一談：受訪者性別不是研究者隨機指定，因此相關差異不代表性別本身造成了行為；隨機指定主角性別則能在設計條件成立時，支持對情境表述效果的因果推論。

四、真正的核心假說：性別相符會不會改變選擇？

主要研究問題 H4 比較「受訪者與主角性別相符」和「不相符」時，選擇 AI 或退出互動的預測機率是否不同。次要研究問題 H5 進一步檢查：孤獨感與這些選擇的關聯，是否因性別相符而改變。若有差異，可能與受訪者更容易代入某些主角有關，但即使觀察到統計交互作用，也不能直接證明心理機制一定是自我投射。研究者同時重新估計主角性別、受訪者性別及兩者差異的主效果；因部分主效果已在先前模型中被檢視，這些結果不被視為全新的驗證性假說。

五、孤獨、憂鬱與 AI 信任，測量的是不同構念

研究採用 De Jong Gierveld Loneliness Scale 測量孤獨感，並以 PHQ-9 評估憂鬱症狀。孤獨感指向主觀上感到社會關係未達期待，並不等同於客觀上獨處；憂鬱症狀則涵蓋更廣泛的情緒、動機與身心狀態。對聊天機器人的信任、近期使用經驗又是不同變項。即使這些指標彼此相關，也不能將「常使用 AI」直接當成「孤獨」或「憂鬱」的診斷，更不能把某個選擇解釋為個人心理健康的證據。

六、統計上如何避免把微小差異寫成驚人發現？

預註冊計畫使用母體平均化邏輯斯迴歸（population-averaged logistic regression），並依參與者進行群聚標準誤調整，因為每個人都回答六個情境，這些回答並非互相獨立。研究將效果轉換為預測機率差，方便以百分點解釋；對兩個主要結果使用 Holm 多重比較校正。另規劃等效性檢定，對交互作用設定正負 8 個百分點的界限，對主效果設定正負 5 個百分點的界限。研究者表示，設計大約能可靠偵測 7 至 8 個百分點的相符性效果，因此若結果不顯著，也不能直接宣稱完全不存在更小的差異。研究亦規劃隨機截距混合模型、共變項調整，以及使用 causal forest 探索效果異質性。

七、為什麼「選 AI」不必然等於「拒絕人類」？

從心理學觀點可以提出幾種互相競爭的解釋，但它們是延伸假說，不是本研究已證實的結果。第一，AI 的互動門檻可能較低，不必等待對方有空，也較不擔心被直接拒絕。第二，AI 可以成為整理情緒與草擬訊息的中介工具，使用者最後仍可能回到真實人際關係。第三，有些人可能因習慣或好奇而選 AI，而非因缺乏真人支持。第四，退出互動也可能是短暫自我調節，而非永久社交退縮。因此，三個選項在問卷中互斥，不代表現實生活中的三種行為永遠互斥。

八、情境問卷不是現實世界的求助行為

這項研究要求參與者閱讀假設情境並選擇可能的反應，並非觀察他們遭到真實拒絕後的行動。想像中的選擇與真實行為可能不同，尤其當情境涉及親密關係、羞恥感或緊急心理需求時。樣本也集中於波蘭語、18 至 40 歲的線上受訪者，不能直接推廣到台灣、日本、青少年或高齡族群。研究的隨機化發生在故事主角性別，而不是隨機讓人長期使用 AI，因此不能據此判斷 AI 會改善或惡化孤獨感。

九、AI 產品設計的真正難題

如果 AI 對話工具能讓某些人更容易說出難以啟齒的困擾，產品設計者需要思考：它應該如何協助使用者整理問題、辨識需要真人協助的時刻，以及避免以無限延長對話作為唯一成功指標？另一面是隱私。人們可能把被拒絕的經驗、家庭衝突或親密關係細節輸入聊天系統，這些資料的保存、使用與刪除政策都值得檢視。這些屬於本研究引發的科技倫理問題，而非預註冊已提供的效果結論。

十、從心智理論到人機依附：我們究竟在尋找什麼？

人際求助涉及一個矛盾：我們渴望被理解，卻也可能害怕對方的評價。AI 對話介面能模擬持續回應與語言上的理解，但流暢的回覆不等同於具備主觀感受、責任能力或與人類相同的關係承諾。這也讓「感覺被理解」與「對方真的理解」成為兩個不同層次的問題。對科技媒體而言，最值得追蹤的不是把 AI 宣傳成完美陪伴者，而是研究哪些設計有助於使用者建立現實中的支持網絡，以及哪些設計可能使其更難離開產品。

十一、目前能下什麼結論？

截至本文查核時，能確認的是研究設計、樣本來源、測量工具、預註冊假說與預定分析方法。公開預註冊沒有提供足以支持「男性更偏好 AI」「孤獨者更常選 AI」「AI 造成社交退縮」等定量結論的最終結果。這份研究的價值在於提出可反駁的問題，並預先界定分析與效果大小，而不是已經給出轟動答案。未來若正式成果公布，才適合根據各選項實際比例、信賴區間、校正後檢定及敏感度分析更新報導。

Tech English｜六個研究專有名詞

1. Preregistration（研究預註冊）：在檢視主要分析結果前公開研究問題與分析計畫，以降低事後挑選有利結果的風險。
2. Vignette Study（情境短文研究）：讓參與者閱讀假設情境並回答問題，適合研究判斷，但不等於直接觀察真實行為。
3. Interpersonal Threat（人際威脅）：個體感受到可能被拒絕、排斥或失去關係支持的情境。
4. Gender Congruence（性別相符性）：此研究指受訪者性別與情境主角性別是否一致。
5. Population-Averaged Logistic Regression（母體平均化邏輯斯迴歸）：估計整體族群層次的二元選擇機率關聯，可配合重複測量資料處理。
6. Equivalence Testing（等效性檢定）：檢查效果是否小到落在事先定義的實質重要性界限內，而非僅以不顯著推論沒有效果。