Apa yang terbit, dan di mana
Makalahnya berjudul Perceived support from AI chatbots and loneliness among higher vocational college students, ditulis Jiangnan Hu dari Yingtan Vocational and Technical College, di Frontiers in Psychology Volume 17 (DOI 10.3389/fpsyg.2026.1928350). Aksesnya terbuka, jadi semua angka di bawah bisa dicek langsung ke sumbernya.
Mahasiswa direkrut lewat grup kelas di empat politeknik di Provinsi Jiangxi dan Guangdong pada semester genap tahun akademik 2025–2026. Sampel valid gelombang 1 berjumlah 1.500; sampel tercocok tiga gelombang yang dipakai untuk model 1.200 orang (retensi 80%), tanpa perbedaan awal yang berarti antara yang bertahan dan yang keluar. Sampel 60,2% perempuan, rata-rata usia 19,43 tahun (SD 1,28; rentang 17–24), dengan rata-rata pemakaian AI 38,5 menit per hari.
Empat instrumen menopang analisis: ULS-8 untuk kesepian, SIAS untuk kecemasan interaksi sosial, MSPSS untuk dukungan sosial nyata (hanya di gelombang 1), dan adaptasi Online Social Support Scale untuk dukungan yang dirasakan dari chatbot AI. Konstruk terakhir menentukan cara membaca hasilnya: yang diukur adalah rasa didukung dari alat obrolan AI secara umum, bukan pemakaian satu produk pendamping tertentu. Model revisi memberi CFI 0,971, RMSEA 0,077, dan SRMR 0,014.
Tiga temuan, berurutan
1. Dukungan AI memprediksi kesepian lebih rendah — tapi tidak seketika. Jalur gelombang 1 ke 2 adalah β = −0,043 dengan p = 0,064, tidak signifikan. Jalur gelombang 2 ke 3 adalah β = −0,166, p < 0,001. Tanpa standarisasi, kenaikan satu standar deviasi dukungan AI (12,92 poin) setara penurunan sekitar 0,92 poin kesepian pada skala 8 sampai 32. Efeknya nyata, dan kecil.
2. Dukungan AI yang sama memprediksi kecemasan interaksi sosial lebih tinggi. β = 0,161 dari gelombang 1 ke 2 dan β = 0,158 dari gelombang 2 ke 3, keduanya p < 0,001. Jalur ini lebih besar dan lebih konsisten daripada manfaat pada kesepian, dan bertahan di semua spesifikasi sensitivitas.
3. Kecemasan kembali menaikkan kesepian. β = 0,198 dan 0,232 pada dua interval (p < 0,001). Jalur tidak langsung — dukungan AI, lalu kecemasan, lalu kesepian — bernilai positif 0,038, 95% CI [0,026; 0,050]. Jadi satu variabel menurunkan kesepian lewat satu rute dan menaikkannya lewat rute lain. Itulah sebabnya ringkasan satu angka di bidang ini terus saling bertabrakan.
Syaratnya: hanya berhasil bagi yang sudah punya orang
Bagian yang layak dibawa pulang adalah analisis moderasi. Dukungan sosial nyata yang diukur di gelombang 1 mengubah arti dukungan AI sesudahnya.
| Dukungan nyata di gelombang 1 | Kemiringan: dukungan AI (gel. 2) → kesepian (gel. 3) | Signifikan? |
|---|---|---|
| Tinggi | −0,287 | Ya, p < 0,001 |
| Rendah | −0,023 | Tidak |
Bacanya lugas: manfaat kompensasi muncul pada mahasiswa yang jejaring sosialnya sudah berfungsi, dan praktis lenyap pada kelompok yang justru paling sering disodori chatbot sebagai solusi. Dukungan nyata di awal juga jadi prediktor tunggal terkuat untuk kesepian berikutnya di dalam model (β = −0,449 dari gelombang 1 ke 3), dan secara mandiri memprediksi kecemasan sosial yang lebih rendah di gelombang 3 (β = −0,166).
Rumusan penulisnya: makna psikologis dukungan AI bersifat bersyarat — ia bekerja sebagai pelengkap kehidupan sosial, bukan penggantinya. Klaim itu lebih sempit daripada “AI pendamping menyembuhkan kesepian” maupun “AI pendamping menyebabkannya”, dan justru klaim itulah yang didukung datanya.
Kenapa kecemasan sosial bergerak ke arah sebaliknya
Studi ini mengukur kaitan, bukan membuktikan mekanisme. Tafsir yang ditawarkan penulisnya sederhana, dan layak dicatat karena bisa diuji, bukan sekadar menghakimi.
Antarmuka obrolan menghapus hal-hal yang membuat percakapan manusia melelahkan: jeda, membaca wajah orang, risiko disalahpahami, ongkos salah bicara. Padahal kecemasan interaksi sosial biasanya turun justru lewat paparan pada kondisi itu. Saluran dukungan yang selalu tersedia dan tak pernah canggung bisa meredakan rasa tak enak sekarang sambil diam-diam menghapus latihannya. Panel tiga gelombang tidak bisa memastikan rantai itu, dan penulisnya tidak mengklaim demikian.
Ini sejalan dengan yang kami bahas di riset soal validasi dan antropomorfisme: fitur yang membuat pendamping terasa enak saat itu juga belum tentu fitur yang membuat penggunanya lebih baik sebulan kemudian.
Empat kumpulan data 2026, satu bentuk
Makalah ini bukan anomali. Empat kumpulan data 2026 yang berbeda metode dan berbeda negara terus mendarat pada bentuk bersyarat yang sama.
| Sumber | Desain dan sampel | Yang dilaporkan |
|---|---|---|
| Frontiers in Psychology, 15 Sep 2026 | Panel tiga gelombang, 1.200 mahasiswa politeknik, Tiongkok | Dukungan AI → kesepian lebih rendah hanya bila dukungan nyata tinggi (kemiringan −0,287 vs −0,023) |
| Nature Human Behaviour, 4 Agu 2026 | Survei 1.131 pengguna Character.AI di AS plus 4.664 sesi obrolan (464.687 pesan) dari 237 di antaranya | Jejaring luring lebih kecil → pemakaian utama untuk menemani (β = −0,03) → kesejahteraan lebih rendah (β = −0,48); lebih kuat pada pemakaian intensif (−0,31) dan sangat terbuka (−0,38) |
| Acta Psychologica, 2026 | Lintas-seksi, 233 dewasa muda, India | Kaitan kecil dan tidak signifikan: kesepian r = −0,18, kecemasan sosial r = −0,12; penulis menyebutnya eksploratif |
| Pracetak arXiv, 2 Jun 2026 | Longitudinal, percakapan pribadi lima menit setiap hari selama 28 hari | Preferensi mencari dukungan dari manusia turun sekitar 10,3%; preferensi pada AI naik sekitar 11,6% |
Makalah Nature Human Behaviour Agustus, yang kami bahas rinci di tulisan tentang studi itu, berangkat dari log obrolan nyata alih-alih laporan diri, dan sampai pada moderator yang sama: lingkungan sosial luring. Dua metode yang sangat berbeda bertemu pada satu syarat adalah bukti yang lebih kuat daripada salah satunya sendirian.
Apa yang bisa kamu lakukan kalau memakai aplikasi pendamping
Tidak satu pun studi ini menguji produk tertentu, jadi tidak ada vonis untuk aplikasi mana pun di sini. Yang bisa disimpulkan adalah sederet pertanyaan pendek yang layak dijalankan pada pemakaianmu sendiri tiap beberapa minggu.
- Tanyakan apa yang digantikan, bukan apa yang ditambahkan. Obrolan yang mengisi malam kosong berbeda dari obrolan yang menggantikan telepon yang seharusnya kamu lakukan. Pola kedua itulah yang ditandai datanya.
- Lihat arahnya dalam sebulan, bukan dalam satu sesi. Semua studi di sini menemukan pengalaman langsungnya positif. Perbedaannya muncul delapan minggu kemudian.
- Perlakukan kedalaman curhat sebagai tombol putar. Data Nature Human Behaviour menemukan kaitan paling negatif justru pada pengguna paling intensif dan paling terbuka, bukan pada yang santai.
- Jaga satu saluran manusia tetap hidup. Hasil moderasi dan hasil jejaring luring mengatakan hal yang sama: aplikasi bekerja lebih baik sebagai pelengkap, bukan sebagai keseluruhan sistem.
- Kalau lingkaran luringmu sedang tipis, bersikaplah sengaja. Persis di kelompok itulah manfaat terukurnya hilang. Itu alasan untuk memasangkannya dengan hal lain, bukan alasan untuk berhenti.
Untuk sisi praktis memilih alat alih-alih membaca studi, catatan kami soal aplikasi pendamping dan kesejahteraan serta pola pakai sehari-hari membahas keputusan di level fitur.
Yang tidak bisa dikatakan studi ini
- Satu negara, satu segmen pendidikan. Mahasiswa politeknik di dua provinsi Tiongkok bukan pengganti pengguna aplikasi pendamping dewasa di tempat lain.
- Panel silang-tertinggal bukan eksperimen. Ia menyingkirkan sebagian cerita sebab-akibat terbalik, bukan semuanya. Penulisnya menyatakan desainnya korelasional.
- Semuanya laporan diri. Dukungan yang dirasakan dari AI adalah perasaan, bukan catatan pemakaian, dan tidak divalidasi dengan perilaku nyata.
- Sampelnya luar biasa tertekan. Proporsi yang melewati ambang PHQ-9 untuk gejala depresi sedang adalah 69,5%, 55,0%, dan 72,9% di tiga gelombang. Jauh di atas perkiraan lazim pada mahasiswa, dan itu peringatan nyata soal menggeneralisasi ukuran efeknya.
- Kecocokan model memadai, bukan istimewa. CFI 0,971 bagus; TLI 0,910 dan RMSEA 0,077 sekadar cukup, dan modelnya butuh jalur jangka panjang tambahan untuk sampai ke sana.
- Tidak ada produk pendamping komersial yang diuji. Konstruknya adalah dukungan dari alat obrolan AI secara umum.
Kalau kamu ingin gambaran populasi alih-alih mekanisme, ringkasan kami soal berapa banyak orang yang benar-benar memakai AI pendamping pada 2026 membahas sisi survei, dan riset tentang lansia menunjukkan pola bersyarat yang sama pada kelompok usia yang sangat berbeda.
Terkait di CompanionRank
AI Pendamping dan Kesepian: Temuan Studi Stanford Aplikasi Pendamping AI dan Kesejahteraan Lansia dan AI Pendamping: Riset 2026 Berapa Banyak Orang Memakai AI Pendamping pada 2026?Pertanyaan yang sering muncul
Apakah dukungan obrolan AI mengurangi kesepian?
Dalam studi ini ya, tetapi dengan syarat. Dukungan AI yang dirasakan pada gelombang 2 memprediksi kesepian lebih rendah pada gelombang 3 dengan β = −0,166 (p < 0,001), kira-kira 0,92 poin pada skala 8–32 per satu standar deviasi. Ketika sampel dipecah menurut dukungan sosial nyata, efeknya bertahan pada mahasiswa dengan dukungan nyata tinggi (kemiringan −0,287, p < 0,001) dan hilang pada yang dukungannya rendah (kemiringan −0,023, tidak signifikan).
Kenapa dukungan AI bisa menaikkan kecemasan sosial?
Studi ini mengukur kaitan, bukan mekanisme: dukungan AI yang dirasakan memprediksi kecemasan interaksi sosial lebih tinggi pada gelombang berikutnya (β = 0,161 dan 0,158, keduanya p < 0,001). Tafsir penulisnya, saluran obrolan menghapus gesekan yang biasanya menurunkan kecemasan sosial lewat paparan — jeda, ketidakpastian, risiko disalahpahami. Panel tiga gelombang tidak bisa memastikan rantai itu, dan makalahnya tidak mengklaim demikian.
Seberapa besar efeknya dalam bahasa sederhana?
Kecil. Satu standar deviasi tambahan dukungan AI yang dirasakan (12,92 poin pada skala yang dipakai) setara penurunan sekitar 0,92 poin kesepian pada ULS-8 yang berentang 8 sampai 32. Sebagai pembanding, dukungan sosial nyata di awal memprediksi kesepian berikutnya jauh lebih kuat, β = −0,449 dari gelombang 1 ke 3.
Berarti aplikasi pendamping buruk untuk orang yang kesepian?
Tidak. Artinya manfaat terukurnya tidak muncul pada mahasiswa dengan dukungan nyata paling sedikit, jadi aplikasi jangan diperlakukan sebagai pengganti jejaring sosial. Tidak satu pun studi di sini menguji aplikasi pendamping komersial, dan tidak ada yang menunjukkan bahwa memakainya menyebabkan kesepian.
Apakah ini sama dengan studi Nature Human Behaviour bulan Agustus?
Bukan. Studi itu, terbit 4 Agustus 2026, mensurvei 1.131 pengguna Character.AI di AS dan menganalisis 4.664 sesi obrolan nyata dari 237 di antaranya, lalu menemukan jejaring luring yang lebih kecil berkaitan dengan memakai chatbot terutama untuk menemani, yang pada gilirannya berkaitan dengan kesejahteraan lebih rendah (β = −0,48). Sampel dan metodenya berbeda, kesimpulan bersyaratnya sama.
Bisakah saya bersandar pada satu studi saja?
Tidak, dan memang tidak perlu. Empat kumpulan data 2026 yang independen — panel tiga gelombang Frontiers, studi log obrolan Nature Human Behaviour, sampel lintas-seksi Acta Psychologica atas 233 dewasa muda di India, dan pracetak longitudinal 28 hari — semuanya melaporkan bahwa efek dukungan AI bergantung pada situasi luring penggunanya, bukan seragam baik atau buruk.