"工欲善其事，必先利其器。"自古以来，人类创造工具不仅为了提高效率，更为了推动文明进步。如今，人工智能的浪潮席卷全球，大型语言模型（LLMs）作为先进工具，正以其强大的交互能力和理解能力改变着我们的工作和生活方式。这种变革的核心在于LLMs与传统人工智能算法的本质差异：前者通过海量文本训练突破任务边界，构建起理解复杂语境的能力；后者则局限于特定场景的封闭式运算。正是这种突破性进化，使得LLMs展现出前所未有的用户亲和力——自然语言交互界面消弭了技术鸿沟，上下文感知能力重塑了人机协作模式。

然而，正如古人所言："水能载舟，亦能覆舟"，技术进化的双刃剑效应已然显现。当LLMs凭借其卓越性能迅速渗透至文案创作、数据分析、知识检索等专业领域时，一个值得警惕的演化轨迹逐渐清晰：用户行为模式正经历从"工具使用"到"认知外包"的质变。这种依赖关系的形成，既源于系统设计对人性弱点的精准捕捉（如即时反馈机制），也暴露出现代社会对效率追求的异化风险。

随着LLMs依赖现象的出现并引起广泛关注，如何准确测量个体对LLMs的依赖程度成为一个亟待解决的问题。现有的量表在测量人们对LLMs的依赖程度方面存在不足。本研究旨在利用人机信任模型和成瘾理论开发并验证LLMs依赖量表（LDS），并报告其心理测量学特性。

研究共包含两个部分：首先，对421名LLMs用户（样本1）进行探索性结构调查，包括项目分析、探索性因素分析和网络分析；其次，对另一组1030名LLMs用户（样本2）进行正式测试，通过验证性因素分析、效度测试和信度测试对数据进行结构验证。为减轻LLMs依赖可能带来的负面影响，研究团队运用NodeIdentifyR算法进行计算模拟干预，以识别LLMs依赖网络中的关键干预节点（图1和图2）。

图1  LLMs依赖的心理网络结构

图2  LLMs依赖网络中的关键节点

研究结果表明，LDS（18个项目）展现出功能依赖和存在性依赖的双因子结构。验证性因素模型显示良好的拟合度，LDS还表现出良好的效标关联效度。后续模拟干预的计算结果表明，用户的存在性依赖主要由其对LLMs处理乏味和无聊任务的依赖驱动，而功能依赖则更多受用户对LLMs全能性信念的影响。

总之，LDS的因子结构清晰，其信度和效度指标符合心理测量学标准，使其成为有效测量LLMs依赖的工具。本研究不仅丰富了技术依赖的理论框架，还为组织和个人提供了监测LLMs使用模式的实用工具，有助于优化LLMs的部署，避免过度依赖的潜在风险。

当前，LLMs正迅速渗透到教育、医疗、金融等各个领域，人类与这些技术工具的关系日益紧密。研究开发的LDS量表为此提供了一个科学的评估工具，让我们能够客观量化个体与LLMs的依赖关系。特别值得注意的是，研究发现的双因子结构（功能依赖与存在性依赖）揭示了技术依赖背后的复杂心理机制，为设计更有针对性的干预策略提供了理论基础。这使我们有可能在保持LLMs生产力优势的同时，有效降低过度依赖带来的认知退化风险。

此外，研究通过网络分析识别出的关键干预节点，为用户培训和界面设计提供了具体指导。这些发现使组织和教育机构能够制定更加精准的使用政策，培养用户的批判性思维和独立解决问题的能力，从而构建更加健康、可持续的人机协作关系。在人工智能迅猛发展的今天，这一研究为我们理性使用LLMs提供了重要参考，具有显著的实践价值。

该研究成果已发表于信息管理领域顶级期刊《International Journal of Information Management》。该期刊最新影响因子达20.1，连续6年在JCR「信息科学与图书馆学」类别排名第一（161种期刊中位列榜首）。论文的通讯作者为银河集团9873cm心理学系吴奇副教授，第一作者为李泽伟（原湖南师范大学研究团队成员，现澳门大学博士研究生）。

论文信息： Li, Z., Zhang, Z., Wang, M., & Wu*, Q. (2025). From assistance to reliance: Development and validation of the large language model dependence scale. International Journal of Information Management, 83, 102888. https://doi.org/10.1016/j.ijinfomgt.2025.102888

*注：该通讯稿为作者大语言模型依赖之结果，感谢各位AI老师的通力合作！