งานนี้ตีพิมพ์ที่ไหน
บทความชื่อ Perceived support from AI chatbots and loneliness among higher vocational college students โดย Jiangnan Hu จาก Yingtan Vocational and Technical College ตีพิมพ์ใน Frontiers in Psychology เล่มที่ 17 (DOI 10.3389/fpsyg.2026.1928350) เป็นงานแบบเปิด ตัวเลขทุกตัวข้างล่างจึงตรวจสอบกับต้นฉบับได้
การเก็บข้อมูลทำผ่านกลุ่มชั้นเรียนของวิทยาลัยอาชีวะ 4 แห่งในมณฑลเจียงซีและกวางตุ้ง ช่วงภาคเรียนฤดูใบไม้ผลิปีการศึกษา 2025–2026 กลุ่มตัวอย่างที่ใช้ได้ในรอบที่ 1 มี 1,500 คน กลุ่มตัวอย่างที่จับคู่ครบสามรอบที่ใช้ในโมเดลมี 1,200 คน (คงอยู่ 80%) โดยไม่พบความต่างตั้งต้นที่มีนัยสำคัญระหว่างคนที่อยู่ต่อกับคนที่หายไป กลุ่มตัวอย่างเป็นหญิง 60.2% อายุเฉลี่ย 19.43 ปี (SD 1.28 ช่วง 17–24) และรายงานว่าใช้ AI เฉลี่ยวันละ 38.5 นาที
เครื่องมือสี่ชิ้นรองรับการวิเคราะห์ ความเหงาใช้ ULS-8 ความวิตกกังวลทางสังคมใช้ SIAS แรงสนับสนุนจริงใช้ MSPSS (วัดเฉพาะรอบที่ 1) และการสนับสนุนจากแชทบอตใช้ Online Social Support Scale ฉบับปรับ มโนทัศน์สุดท้ายนี้สำคัญต่อการตีความ — มันวัดการสนับสนุนที่ผู้เรียนรู้สึกว่าได้รับจากเครื่องมือแชท AI โดยทั่วไป ไม่ใช่การใช้ผลิตภัณฑ์คู่คุยตัวใดตัวหนึ่ง โมเดลที่ปรับแล้วมีค่า CFI 0.971, RMSEA 0.077 และ SRMR 0.014
สามข้อค้นพบ เรียงตามลำดับ
1. การสนับสนุนจาก AI ทำนายความเหงาที่น้อยลง — แต่ไม่ใช่ทันที เส้นทางจากรอบ 1 ไป 2 คือ β = −0.043, p = .064 ซึ่งไม่มีนัยสำคัญ เส้นจากรอบ 2 ไป 3 คือ β = −0.166, p < .001 ในหน่วยดิบ การเพิ่มขึ้นหนึ่งส่วนเบี่ยงเบนมาตรฐาน (12.92 คะแนน) เทียบเท่ากับความเหงาที่ลดลงราว 0.92 คะแนนบนมาตรวัด 8 ถึง 32 เป็นผลที่มีจริง และมีขนาดเล็ก
2. การสนับสนุนเดียวกันนี้ทำนายความวิตกกังวลทางสังคมที่สูงขึ้น β = 0.161 จากรอบ 1 ไป 2 และ β = 0.158 จากรอบ 2 ไป 3 ทั้งคู่ p < .001 เส้นทางนี้ใหญ่กว่าและสม่ำเสมอมากกว่าผลดีต่อความเหงา และอยู่รอดในทุกการวิเคราะห์ความไว
3. ความวิตกย้อนกลับไปสู่ความเหงา β = 0.198 และ 0.232 ในสองช่วง (p < .001) เส้นทางอ้อม — การสนับสนุนจาก AI ไปความวิตก แล้วไปความเหงา — เป็นบวกที่ 0.038, 95% CI [0.026, 0.050] ตัวแปรเดียวจึงกดความเหงาลงทางหนึ่งและดันขึ้นอีกทางหนึ่ง นี่คือเหตุผลที่บทสรุปตัวเลขเดียวในงานวิจัยสายนี้จึงขัดกันเองเสมอ
เงื่อนไข — ได้ผลเฉพาะคนที่มีคนรอบข้างอยู่แล้ว
ส่วนที่ควรหยิบกลับไปคือการวิเคราะห์ตัวกำกับ แรงสนับสนุนทางสังคมจริงที่วัดในรอบที่ 1 เปลี่ยนความหมายของการสนับสนุนจาก AI ในภายหลัง
| แรงสนับสนุนจริงในรอบที่ 1 | ความชัน: การสนับสนุน AI (รอบ 2) → ความเหงา (รอบ 3) | มีนัยสำคัญหรือไม่ |
|---|---|---|
| สูง | −0.287 | มี, p < .001 |
| ต่ำ | −0.023 | ไม่มี |
อ่านตรงๆ ก็คือ ผลชดเชยปรากฏในนักศึกษาที่มีเครือข่ายทางสังคมทำงานอยู่แล้ว และหายไปในกลุ่มที่มักถูกเสนอให้ใช้แชทบอตเป็นทางออกมากที่สุด นอกจากนี้ แรงสนับสนุนจริงตั้งต้นยังเป็นตัวทำนายเดี่ยวที่แข็งแรงที่สุดของความเหงาในภายหลัง (β = −0.449 จากรอบ 1 ไป 3) และทำนายความวิตกที่ต่ำลงในรอบ 3 อย่างเป็นอิสระ (β = −0.166)
ตามคำของผู้เขียน ความหมายทางจิตใจของการสนับสนุนจาก AI ขึ้นอยู่กับเงื่อนไข — มันทำงานในฐานะส่วนเสริมของชีวิตทางสังคม ไม่ใช่ส่วนทดแทน นี่เป็นข้ออ้างที่แคบกว่าทั้ง “AI คู่คุยรักษาความเหงาได้” และ “AI คู่คุยทำให้เหงา” แต่เป็นข้อที่ข้อมูลรองรับจริง
ทำไมความวิตกกังวลทางสังคมจึงขยับสวนทาง
งานนี้วัดความสัมพันธ์ ไม่ได้พิสูจน์กลไก คำอธิบายที่ผู้เขียนเสนอเป็นคำอธิบายตรงไปตรงมา และควรบันทึกไว้อย่างระมัดระวัง เพราะมันทดสอบได้ ไม่ใช่การตัดสินเชิงศีลธรรม
หน้าจอแชทตัดสิ่งที่ทำให้การคุยกับคนเหนื่อยออกไป — การรอ การอ่านสีหน้า ความเสี่ยงที่จะถูกเข้าใจผิด ต้นทุนของการพูดผิด แต่โดยปกติความวิตกกังวลทางสังคมลดลงจากการเผชิญกับเงื่อนไขเหล่านั้นเอง ช่องทางการสนับสนุนที่พร้อมเสมอและไม่เคยอึดอัดจึงอาจบรรเทาความรู้สึกเฉพาะหน้า แต่ค่อยๆ ตัดโอกาสฝึกฝนออกไป แพนลสามระลอกยืนยันห่วงโซ่นี้ไม่ได้ และผู้เขียนก็ไม่ได้อ้างเช่นนั้น
มุมนี้สอดคล้องกับสิ่งที่เราเขียนไว้ใน งานวิจัยเรื่องการยืนยันคุณค่าและการทำให้เหมือนมนุษย์ ฟีเจอร์ที่ทำให้คู่คุยรู้สึกดีในขณะนั้น ไม่ได้เป็นฟีเจอร์เดียวกันกับที่ทำให้ผู้ใช้ดีขึ้นหนึ่งเดือนถัดมาเสมอไป
สี่ชุดข้อมูลปี 2026 รูปทรงเดียวกัน
งานนี้ไม่ใช่ข้อยกเว้น สี่ชุดข้อมูลอิสระจากปี 2026 ที่ใช้วิธีต่างกันและคนละประเทศ ลงเอยที่รูปทรงเงื่อนไขแบบเดียวกัน
| แหล่ง | รูปแบบและกลุ่มตัวอย่าง | สิ่งที่รายงาน |
|---|---|---|
| Frontiers in Psychology, 15 ก.ย. 2026 | แพนลสามระลอก นักศึกษาอาชีวะ 1,200 คน จีน | การสนับสนุน AI → ความเหงาลดลง เฉพาะเมื่อแรงสนับสนุนจริงสูง (ความชัน −0.287 เทียบกับ −0.023) |
| Nature Human Behaviour, 4 ส.ค. 2026 | สำรวจผู้ใช้ Character.AI ในสหรัฐฯ 1,131 คน พร้อมบทสนทนาจริง 4,664 เซสชัน (464,687 ข้อความ) จาก 237 คน | เครือข่ายในชีวิตจริงเล็กกว่า → ใช้เพื่อเป็นเพื่อนเป็นหลัก (β = −0.03) → ความอยู่ดีมีสุขต่ำกว่า (β = −0.48) แรงขึ้นเมื่อใช้เข้มข้น (−0.31) หรือเปิดเผยลึก (−0.38) |
| Acta Psychologica, 2026 | ภาคตัดขวาง คนหนุ่มสาว 233 คน อินเดีย | ความสัมพันธ์เล็กและไม่มีนัยสำคัญ: ความเหงา r = −0.18, ความวิตกทางสังคม r = −0.12 ผู้เขียนระบุเองว่าเป็นการสำรวจเบื้องต้น |
| พรีพริ้นท์ arXiv, 2 มิ.ย. 2026 | ระยะยาว คุยเรื่องส่วนตัววันละ 5 นาที ต่อเนื่อง 28 วัน | ความชอบที่จะขอการสนับสนุนจากคนลดลงประมาณ 10.3% ความชอบ AI เพิ่มขึ้นประมาณ 11.6% |
งานของ Nature Human Behaviour เมื่อเดือนสิงหาคม (รายละเอียดอยู่ใน บทความนี้) เริ่มจากบันทึกการสนทนาจริงแทนการรายงานตนเอง แต่มาถึงตัวกำกับเดียวกัน นั่นคือสภาพแวดล้อมทางสังคมในชีวิตจริง สองวิธีที่ต่างกันมากมาบรรจบที่เงื่อนไขเดียว เป็นหลักฐานที่แข็งแรงกว่าต่างคนต่างทำ
ถ้าคุณใช้แอปคู่คุยอยู่ ควรทำอย่างไร
ไม่มีงานวิจัยชิ้นใดทดสอบผลิตภัณฑ์ตัวใดตัวหนึ่ง ที่นี่จึงไม่มีคำตัดสินต่อแอปใด แต่สิ่งที่พอสรุปได้คือชุดคำถามสั้นๆ ที่ควรเอามาถามการใช้งานของตัวเองทุกสองสามสัปดาห์
- ถามว่ามันไปแทนอะไร ไม่ใช่ว่ามันเพิ่มอะไร บทสนทนาที่เติมค่ำคืนที่ว่างเปล่า ต่างจากบทสนทนาที่ไปแทนโทรศัพท์ที่คุณตั้งใจจะโทร แบบหลังคือสิ่งที่ข้อมูลชี้ไว้
- ดูทิศทางตลอดหนึ่งเดือน ไม่ใช่ครั้งเดียว ทุกงานวิจัยตรงนี้พบว่าประสบการณ์เฉพาะหน้าเป็นบวก ความเห็นที่ต่างกันอยู่ที่แปดสัปดาห์ถัดมา
- คิดกับความลึกของเรื่องที่เล่าเหมือนปุ่มหมุน ข้อมูล Nature Human Behaviour พบว่าความสัมพันธ์เชิงลบแรงที่สุดอยู่ในกลุ่มที่ใช้เข้มข้นและเปิดเผยลึกที่สุด ไม่ใช่กลุ่มที่ใช้เรื่อยๆ
- รักษาช่องทางกับคนไว้อย่างน้อยหนึ่งช่อง ทั้งผลตัวกำกับและผลเรื่องเครือข่ายออฟไลน์พูดสิ่งเดียวกัน แอปทำงานได้ดีกว่าในฐานะส่วนเสริม ไม่ใช่ทั้งระบบ
- ถ้าตอนนี้วงสังคมในชีวิตจริงของคุณบาง ให้ใช้อย่างตั้งใจ นั่นคือกลุ่มที่ผลดีที่วัดได้หายไปพอดี เป็นเหตุผลให้ใช้คู่กับอย่างอื่น ไม่ใช่เหตุผลให้เลิกใช้
สำหรับด้านการเลือกเครื่องมือมากกว่าการอ่านงานวิจัย ดูบันทึกของเราเรื่อง แอปคู่คุยกับสุขภาวะ และ การใช้งานในชีวิตประจำวัน
สิ่งที่งานวิจัยนี้บอกไม่ได้
- หนึ่งประเทศ หนึ่งกลุ่มการศึกษา นักศึกษาอาชีวะในสองมณฑลของจีนไม่ได้แทนผู้ใช้แอปคู่คุยวัยผู้ใหญ่ที่อื่น
- แพนลแบบไขว์หน่วงเวลาไม่ใช่การทดลอง มันตัดคำอธิบายเชิงเหตุย้อนกลับได้บางส่วน ไม่ใช่ทั้งหมด ผู้เขียนระบุชัดว่ารูปแบบเป็นเชิงสหสัมพันธ์
- ทุกอย่างเป็นการรายงานตนเอง การสนับสนุนที่รับรู้จาก AI คือความรู้สึก ไม่ใช่บันทึกการใช้งาน และไม่ได้เทียบกับพฤติกรรมจริง
- กลุ่มตัวอย่างมีภาวะทุกข์ใจสูงผิดปกติ สัดส่วนที่เกินเกณฑ์ PHQ-9 สำหรับอาการซึมเศร้าระดับปานกลางขึ้นไปคือ 69.5%, 55.0% และ 72.9% ในสามรอบ สูงกว่าค่าประมาณทั่วไปในนักศึกษามาก จึงต้องระมัดระวังเมื่อจะขยายผล
- ความกลมกลืนของโมเดลอยู่ในเกณฑ์ยอมรับ ไม่ใช่ดีเยี่ยม CFI 0.971 ถือว่าดี แต่ TLI 0.910 และ RMSEA 0.077 เพียงพอใช้ได้ และโมเดลต้องเพิ่มเส้นทางระยะยาวเข้ามาจึงจะไปถึงจุดนั้น
- ไม่มีการทดสอบผลิตภัณฑ์คู่คุยเชิงพาณิชย์ สิ่งที่วัดคือการสนับสนุนจากเครื่องมือแชท AI โดยทั่วไป
หากอยากเห็นภาพรวมระดับประชากรมากกว่ากลไก สรุปของเราเรื่อง ปี 2026 มีคนใช้ AI คู่คุยจริงเท่าไร ครอบคลุมฝั่งสำรวจ ส่วน งานวิจัยกับผู้สูงอายุ แสดงรูปแบบเงื่อนไขเดียวกันในช่วงวัยที่ต่างกันมาก
บทความที่เกี่ยวข้องบน CompanionRank
AI คู่คุยกับความเหงา: สิ่งที่งานวิจัยสแตนฟอร์ดพบ แอป AI คู่คุยกับสุขภาวะ ผู้สูงอายุกับ AI คู่คุย: งานวิจัยปี 2026 ปี 2026 มีคนใช้ AI คู่คุยกี่คนคำถามที่พบบ่อย
การสนับสนุนจากแชท AI ช่วยลดความเหงาได้จริงหรือ
ในงานวิจัยนี้ช่วยได้ แต่มีเงื่อนไข การสนับสนุนจาก AI ที่รับรู้ในรอบที่ 2 ทำนายความเหงาที่น้อยลงในรอบที่ 3 ด้วย β = −0.166 (p < .001) หรือประมาณ 0.92 คะแนนบนมาตร 8–32 ต่อหนึ่งส่วนเบี่ยงเบนมาตรฐาน แต่เมื่อแยกตามแรงสนับสนุนทางสังคมจริง ผลยังคงอยู่ในกลุ่มที่แรงสนับสนุนสูง (ความชัน −0.287, p < .001) และหายไปในกลุ่มที่แรงสนับสนุนต่ำ (ความชัน −0.023 ไม่มีนัยสำคัญ)
ทำไมการสนับสนุนจาก AI จึงเพิ่มความวิตกทางสังคม
งานนี้วัดความสัมพันธ์ ไม่ใช่กลไก การสนับสนุนจาก AI ที่รับรู้ทำนายความวิตกกังวลทางสังคมที่สูงขึ้นในรอบถัดไป (β = 0.161 และ 0.158 ทั้งคู่ p < .001) คำอธิบายของผู้เขียนคือ ช่องทางแชทตัดแรงเสียดทานที่ตามปกติจะช่วยลดความวิตกทางสังคมผ่านการเผชิญ — การรอ ความไม่แน่นอน ความเสี่ยงที่จะถูกเข้าใจผิด แพนลสามระลอกยืนยันห่วงโซ่นี้ไม่ได้ และบทความก็ไม่ได้อ้างเช่นนั้น
ขนาดของผลใหญ่แค่ไหน
เล็ก การสนับสนุนจาก AI ที่เพิ่มขึ้นหนึ่งส่วนเบี่ยงเบนมาตรฐาน (12.92 คะแนนบนมาตรที่ใช้) เทียบเท่ากับความเหงาที่ลดลงราว 0.92 คะแนนใน ULS-8 ซึ่งมีช่วง 8 ถึง 32 เทียบกันแล้ว แรงสนับสนุนทางสังคมจริงตั้งต้นทำนายความเหงาในภายหลังได้แรงกว่ามาก ที่ β = −0.449 จากรอบ 1 ไป 3
แปลว่าแอปคู่คุยไม่ดีต่อคนที่เหงาหรือเปล่า
ไม่ใช่ หมายความว่าผลดีที่วัดได้ไม่ปรากฏในกลุ่มที่มีแรงสนับสนุนจริงน้อยที่สุด จึงไม่ควรถือว่าแอปใช้แทนเครือข่ายทางสังคมได้ งานวิจัยทั้งหมดที่กล่าวถึงไม่ได้ทดสอบแอปคู่คุยเชิงพาณิชย์ และไม่มีชิ้นใดแสดงว่าการใช้งานทำให้เหงา
เป็นงานเดียวกับของ Nature Human Behaviour เมื่อเดือนสิงหาคมหรือไม่
ไม่ใช่ งานนั้นตีพิมพ์ 4 สิงหาคม 2026 สำรวจผู้ใช้ Character.AI ในสหรัฐฯ 1,131 คน และวิเคราะห์บทสนทนาจริง 4,664 เซสชันจาก 237 คน พบว่าเครือข่ายสังคมในชีวิตจริงที่เล็กกว่าสัมพันธ์กับการใช้แชทบอตเพื่อเป็นเพื่อนเป็นหลัก ซึ่งสัมพันธ์กับความอยู่ดีมีสุขที่ต่ำกว่า (β = −0.48) กลุ่มตัวอย่างและวิธีต่างกัน แต่ได้ข้อสรุปเชิงเงื่อนไขแบบเดียวกัน
เชื่องานวิจัยชิ้นเดียวได้แค่ไหน
ไม่จำเป็นต้องเชื่อเพียงชิ้นเดียว ชุดข้อมูลอิสระสี่ชุดจากปี 2026 — แพนลสามระลอกของ Frontiers, งานบันทึกการสนทนาของ Nature Human Behaviour, การสำรวจภาคตัดขวางของ Acta Psychologica กับคนหนุ่มสาว 233 คนในอินเดีย และพรีพริ้นท์ระยะยาว 28 วัน — ต่างรายงานตรงกันว่าผลของการสนับสนุนจาก AI ขึ้นอยู่กับสถานการณ์ในชีวิตจริงของผู้ใช้ มากกว่าจะดีหรือแย่เหมือนกันทั้งหมด