共情的定义,AI共情的相关研究与经典研究,AI个案概念化的能力

共情的概念界定、结构维度与测量方法

这组文献共同回答"共情究竟是什么、如何测量"这一基础问题:既有跨学科元定义(共情系统九大维度)与共情定义演进、跨语言术语辨析,也有对"共情七迷思"的概念澄清;既包括临床/医生共情的成分框架与操作性量表(JSE、患者—执业者双视角量表),也涵盖认知共情(观点采择)这一下位构念的可训练性检验,以及AI健康研究中共情定义与评估标准不一致问题的系统梳理。它们构成全部研究的概念与测量基础。

共情定义的理论争议:对限制性同构匹配(RIM)界定的批判与功能性/关系性重构

这组文献属于共情定义的理论论辩而非实证测量:核心是对"限制性同构情绪匹配(RIM)"界定的批判(偏离传统概念、削弱共情的功能性、隐含动机性内容),以及将共情视为动态过程、强调关系性、他人情绪需求动态性与情境依赖的替代性概念化,并辅以对共情心理支柱的综述性梳理。它们为下文讨论"AI共情"提供非人类中心、功能导向的定义立场。

AI/大语言模型共情能力的评估证据:系统综述与评测基准

这组文献从"能力评估"的元层面审视AI共情:系统综述汇总已有研究发现LLM已展现认知共情要素(情绪识别、情感支持),部分任务上超过人类,但存在重复套话、提示敏感、评价主观等局限;另有专门针对LLM共情评测的研究与面向共情评估的基准数据集(EmotionQueen)。共同点是提供可复用的评测方法学与AI共情能力的总体证据。

LLM共情表达的实证检验与"人类—专家—AI"对比评价

这组文献以实证或综述方式将LLM生成的共情性回应/心理建议与人类及专业人员的文本进行对比评价:如共情倾听语言信号与应对自我效能、功能性共情与现象学共情的区分、LLM共情研究综述、盲评下AI与执业心理专家的共情质量、作者标签对共情归因的影响、合成医患对话中的共情评分,以及LLM是否具备认知共情。共同点是构成"AI能否共情"的证据链核心。

医患沟通情境中AI共情的实证比较与"共情幻觉"争议

这组研究均在真实或类真实的医疗沟通情境中检验AI共情的效果、感知与风险:以析因实验比较聊天机器人与医生回应的共情、质量与信任评分并编码言语要素;发现癌症患者对聊天机器人回应的共情评分高于医生;利用面部分析情绪识别客观观察门诊医患情绪变化;以及围绕"医疗聊天机器人是否具有/需要共情"与"共情幻觉/同情幻觉"的评论性讨论。共同构成AI共情临床落地的证据与争议。

人工共情的理论模型与机器共情系统设计范式

这组文献聚焦"如何在机器中建构共情"的概念模型与工程设计范式:脆弱性驱动的具身共情以防止AI反社会、模糊逻辑支撑的多智能体认知共情决策、医疗与治疗场景中社会机器人与虚拟代理的共情增强、人机交互与具身对话智能体的共情行为建模、基于大语言模型的共情GPT架构,以及服务机器人在价值共创中的情感角色。共同点是给出人工共情的架构性、规范性设计主张。

AI共情的生成技术与数据集构建:从模型方法到交互实现

这组文献从技术实现角度讨论"如何工程化地生成共情":情感计算领域对共情线索提取与融入文本生成管线的综述、以情绪轨迹为中心的求助者—咨询师对话语料生成框架(EmoTrace)、支持共情互动与副语言表达的全双工语音对话大模型(JoyAI-Talker)、面向家庭服务智能体的共情式人机交互画布设计框架,以及基于对话情境与共情定义的Transformer回应生成、面向中文高语境共情的HED数据集与网络、用LLM推断用户潜在目标与基本心理需求的共情准确性度量。共同点是提供可实施的数据、模型与交互设计资源。

人对AI共情的感知、接受度与信任:受控实验与量表评估

这组文献站在接受者一侧考察人对机器共情的主观反应:AI咨询师的高共情表达反而降低帮助性评价(提示需重新概念化"非人类共情")、共情模型越精致其准确性越低从而损害工作联盟、虚拟人共情表达应作为分级设计变量且视觉线索提升情感共情;同时包括情感智能聊天机器人使用体验的质性研究、情感识别AI对人际信任与共情影响的系统综述,以及量化技术感知共情的PETS量表开发。共同点是"共情表达并非越多越好、准确性比丰富度更关键"及感知—信任—伦理风险评估框架。

个案概念化的临床框架、能力培养与实证化个体建模

这组文献围绕"个案概念化能力"本身:论述其在临床实践与认知行为治疗研究中的核心地位、成功标准与培训价值,提供图式模式取向的具体概念化工具;并以RCT检验心理动力学个案概念化技能的可训练性与特异性,以PBAT与GIMME开展基于过程与个体化的实证概念化,以知觉因果网络(PECAN)实现个人化概念化与治疗定制,以社会效度与风险驱动取向重构ABA个案概念化。共同点是把个案概念化视为可教授、可量化、可个体化建模的临床核心能力。

生成式AI辅助个案概念化:能力边界与伦理决策

这组文献将个案概念化推向智能化应用:一篇专题综述系统检视生成式人工智能在个案概念化中的角色、潜力和局限,另一篇引入AI"思考伙伴"支撑咨询教育中的个案概念化与伦理决策。共同点在于探讨AI能否及如何增强临床推理与概念化能力,同时警惕其准确性与伦理风险,直接对接"AI个案概念化的能力"这一主题。

共情的定义,AI共情的相关研究与经典研究,AI个案概念化的能力

合并后的分组沿三条主线、共十个并列层级展开:(1)概念与测量层——共情的多元定义、结构维度、临床操作性量表,以及围绕限制性同构匹配(RIM)的理论争鸣;(2)AI共情层——从系统综述与评测基准、LLM共情表达的实证与\"人类—专家—AI\"对比、医患沟通情境中的临床证据与\"共情幻觉\"争议,到人工共情的理论模型与设计范式、共情生成技术与数据集构建,再到人对AI共情的感知、接受度与信任评估,形成\"能力—证据—技术—接受度\"的递进图景;(3)个案概念化层——临床框架与能力培训、实证化与个体化建模,以及生成式AI辅助个案概念化与伦理决策。三条主线在\"AI能否以及如何实现可被患者信任的共情、并有效支持临床个案概念化\"这一交汇问题上闭环,兼顾定义争议、技术实现与伦理风险。

让 AI 读完这 57 篇文献,进入工作区深入研究
研究方向与代表作共识与分歧研究空白与可做的问题
共 57 篇文献,10 个研究方向
共情的概念界定、结构维度与测量方法

这组文献共同回答"共情究竟是什么、如何测量"这一基础问题:既有跨学科元定义(共情系统九大维度)与共情定义演进、跨语言术语辨析,也有对"共情七迷思"的概念澄清;既包括临床/医生共情的成分框架与操作性量表(JSE、患者—执业者双视角量表),也涵盖认知共情(观点采择)这一下位构念的可训练性检验,以及AI健康研究中共情定义与评估标准不一致问题的系统梳理。它们构成全部研究的概念与测量基础。相关文献:Michaela Guthridge et. al, 2021 等 10 篇文献

共情定义的理论争议:对限制性同构匹配(RIM)界定的批判与功能性/关系性重构

这组文献属于共情定义的理论论辩而非实证测量:核心是对"限制性同构情绪匹配(RIM)"界定的批判(偏离传统概念、削弱共情的功能性、隐含动机性内容),以及将共情视为动态过程、强调关系性、他人情绪需求动态性与情境依赖的替代性概念化,并辅以对共情心理支柱的综述性梳理。它们为下文讨论"AI共情"提供非人类中心、功能导向的定义立场。相关文献:Brett A. Murphy et. al, 2022 等 3 篇文献

AI/大语言模型共情能力的评估证据:系统综述与评测基准

这组文献从"能力评估"的元层面审视AI共情:系统综述汇总已有研究发现LLM已展现认知共情要素(情绪识别、情感支持),部分任务上超过人类,但存在重复套话、提示敏感、评价主观等局限;另有专门针对LLM共情评测的研究与面向共情评估的基准数据集(EmotionQueen)。共同点是提供可复用的评测方法学与AI共情能力的总体证据。相关文献:V. Sorin et. al, 2023 等 3 篇文献

LLM共情表达的实证检验与"人类—专家—AI"对比评价

这组文献以实证或综述方式将LLM生成的共情性回应/心理建议与人类及专业人员的文本进行对比评价:如共情倾听语言信号与应对自我效能、功能性共情与现象学共情的区分、LLM共情研究综述、盲评下AI与执业心理专家的共情质量、作者标签对共情归因的影响、合成医患对话中的共情评分,以及LLM是否具备认知共情。共同点是构成"AI能否共情"的证据链核心。相关文献:Anouk S Bergner et. al, 2026 等 7 篇文献

医患沟通情境中AI共情的实证比较与"共情幻觉"争议

这组研究均在真实或类真实的医疗沟通情境中检验AI共情的效果、感知与风险:以析因实验比较聊天机器人与医生回应的共情、质量与信任评分并编码言语要素;发现癌症患者对聊天机器人回应的共情评分高于医生;利用面部分析情绪识别客观观察门诊医患情绪变化;以及围绕"医疗聊天机器人是否具有/需要共情"与"共情幻觉/同情幻觉"的评论性讨论。共同构成AI共情临床落地的证据与争议。相关文献:Mollie A. Ruben et. al, 2025 等 5 篇文献

人工共情的理论模型与机器共情系统设计范式

这组文献聚焦"如何在机器中建构共情"的概念模型与工程设计范式:脆弱性驱动的具身共情以防止AI反社会、模糊逻辑支撑的多智能体认知共情决策、医疗与治疗场景中社会机器人与虚拟代理的共情增强、人机交互与具身对话智能体的共情行为建模、基于大语言模型的共情GPT架构,以及服务机器人在价值共创中的情感角色。共同点是给出人工共情的架构性、规范性设计主张。相关文献:Leonardo Christov-Moore et. al, 2023 等 6 篇文献

AI共情的生成技术与数据集构建:从模型方法到交互实现

这组文献从技术实现角度讨论"如何工程化地生成共情":情感计算领域对共情线索提取与融入文本生成管线的综述、以情绪轨迹为中心的求助者—咨询师对话语料生成框架(EmoTrace)、支持共情互动与副语言表达的全双工语音对话大模型(JoyAI-Talker)、面向家庭服务智能体的共情式人机交互画布设计框架,以及基于对话情境与共情定义的Transformer回应生成、面向中文高语境共情的HED数据集与网络、用LLM推断用户潜在目标与基本心理需求的共情准确性度量。共同点是提供可实施的数据、模型与交互设计资源。相关文献:Edwin C. Montiel-Vázquez et. al, 2025 等 7 篇文献

人对AI共情的感知、接受度与信任:受控实验与量表评估

这组文献站在接受者一侧考察人对机器共情的主观反应:AI咨询师的高共情表达反而降低帮助性评价(提示需重新概念化"非人类共情")、共情模型越精致其准确性越低从而损害工作联盟、虚拟人共情表达应作为分级设计变量且视觉线索提升情感共情;同时包括情感智能聊天机器人使用体验的质性研究、情感识别AI对人际信任与共情影响的系统综述,以及量化技术感知共情的PETS量表开发。共同点是"共情表达并非越多越好、准确性比丰富度更关键"及感知—信任—伦理风险评估框架。相关文献:Ruosi Shao et. al, 2023 等 6 篇文献

个案概念化的临床框架、能力培养与实证化个体建模

这组文献围绕"个案概念化能力"本身:论述其在临床实践与认知行为治疗研究中的核心地位、成功标准与培训价值,提供图式模式取向的具体概念化工具;并以RCT检验心理动力学个案概念化技能的可训练性与特异性,以PBAT与GIMME开展基于过程与个体化的实证概念化,以知觉因果网络(PECAN)实现个人化概念化与治疗定制,以社会效度与风险驱动取向重构ABA个案概念化。共同点是把个案概念化视为可教授、可量化、可个体化建模的临床核心能力。相关文献:Eva Gilboa-Schechtman et. al, 2024 等 8 篇文献

生成式AI辅助个案概念化:能力边界与伦理决策

这组文献将个案概念化推向智能化应用:一篇专题综述系统检视生成式人工智能在个案概念化中的角色、潜力和局限,另一篇引入AI"思考伙伴"支撑咨询教育中的个案概念化与伦理决策。共同点在于探讨AI能否及如何增强临床推理与概念化能力,同时警惕其准确性与伦理风险,直接对接"AI个案概念化的能力"这一主题。相关文献:Thang S. Tran et. al, 2026 等 2 篇文献