聚焦大语言模型与心理学交叉前沿，系统描绘 AI 赋能心理学研究的新图景
近日，中国认知科学学会认知建模专业委员会公布的2025年度“十大科研进展”评选结果。我课题组完成的综述论文《Exploring the frontiers of LLMs in psychological applications: A comprehensive review》成功入选。该成果发表于国际权威期刊 Artificial Intelligence Review（2025，58:305；JCR Q1，中科院一区 TOP，2025影响因子 18.8，人工智能领域IF排名6/210）。截至目前，论文谷歌学术引用137次。
论文围绕大语言模型如何进入心理学研究、实践与方法创新，系统呈现了人工智能与心理学交叉领域的最新图景，也为大模型时代心理学研究范式的转型提供了框架性参考。
成果简介
大语言模型（LLMs）正在改变心理学研究中“数据—语言—行为—情境”之间的关系。论文围绕一个核心问题展开：LLMs 不只是新的文本生成工具，它们如何成为心理学研究中的模型、工具与研究对象？
文章系统梳理了2020—2024年间大语言模型在心理学应用中的研究进展，经文献筛选与全文分析，最终纳入47项具有代表性的研究，并从心理学主要分支出发，呈现了 LLMs 在认知与行为心理学、临床与咨询心理学、教育与发展心理学、社会与文化心理学中的应用谱系。
在认知与行为心理学中，论文关注 LLMs 在感知、记忆、推理、决策、问题解决和创造性任务中的表现，以及它们作为一般性认知模型的可能性；在临床与咨询心理学中，论文总结了 LLMs 在心理评估、情绪识别、辅助干预和个性化支持中的潜力，同时强调其在专业伦理、数据安全和高风险心理健康场景中的边界；在教育与发展心理学中，论文讨论了 LLMs 在个性化学习、智能辅导、学习动机支持以及发展性能力模拟中的应用；在社会与文化心理学中，论文进一步分析了 LLMs 在社会互动模拟、群体行为建模、文化差异理解与社会心理研究中的方法价值。
主要贡献
第一，构建了“大模型心理学应用”的系统图谱。 论文以心理学分支和人类行为时间尺度为线索，将 LLMs 的应用置于认知、理性、社会与文化等不同层面加以考察，呈现了大语言模型从基础认知任务到复杂社会互动的多层次作用。
第二，提出了 LLMs 作为心理学研究工具的关键路径。 论文指出，LLMs 可在文献综述、假设生成、实验设计、虚拟被试、数据分析和学术传播等环节提升研究效率，帮助心理学研究从“人工密集型流程”走向更加智能、可扩展的协同流程。
第三，强调了“工具赋能”与“人类验证”的结合。 论文并未将 LLMs 视为人类研究者或真实被试的简单替代，而是强调在具体任务、样本与情境中审慎使用。LLMs 可以用于预测试、辅助分析和生成研究材料，但关键结论仍需要人类样本、专业判断和严格方法验证。
第四，回应了技术快速发展中的伦理与安全挑战。 论文对模型偏差、隐私保护、数据安全、透明性、可解释性以及敏感场景中的误用风险进行了系统讨论，提出心理学研究者应在负责任使用的前提下发挥 LLMs 的优势。
研究意义
该综述的意义不仅在于总结一个新兴领域的研究进展，更在于提出一种面向未来的心理学研究视角：在大模型时代，人工智能不只是提高效率的工具，也可能成为理解人类心智、行为与社会互动的新参照。
通过将 LLMs 与心理学理论、实验方法和应用实践相结合，心理学研究有望形成“模型辅助设计—虚拟模拟预测—人类样本验证—伦理风险评估”的混合研究路径，为认知科学、人工智能心理学和社会科学方法创新提供新的可能。
从 ChatGPT 引发广泛关注以来，大语言模型正在持续进入心理学研究的多个分支。它们既带来了新的研究工具，也提出了新的理论问题：当模型能够生成语言、模拟反应、分析文本并参与研究流程时，我们应如何理解心智、行为与智能之间的关系？
学术论文引用：
Ke, L., Tong, S., Cheng, P., & Peng, K. (2025). Exploring the frontiers of LLMs in psychological applications: A comprehensive review. Artificial Intelligence Review, 58(10), 305.
论文下载链接：
https://link.springer.com/article/10.1007/s10462-025-11297-5
热门跟贴