共情

本页是英文页面的机器翻译，尚未经母语者审校。

综述： 共情同时从三个方向进入教育：作为教育者试图教授的结果，作为他们试图测量的构念，以及作为人工智能系统日益被说成会表现出的东西。这三方面的证据都不均衡。教共情是有效的——角色扮演、VR 与大语言模型对话都能产生可测量的前后测增益——但随着体验变得不那么具身，效应随之缩小，而且比较研究把模态与任务时间混在了一起。测量共情比教授共情更难：观察者评分彼此一致，而计算机视觉的代理指标在身体接触上一致，在目光接触上不一致，在微笑上则反向。人工智能可以大规模地排练共情对话，但控制最严密的研究显示，自我评估的胜任力上升，却没有对观察到的表现做检验。而最新的担忧指向另一个方向：相信人工智能能提供共情，会让人更不愿意自己提供共情（Shastry 与 Gray，2026）。

值得思考的问题

• 如果角色扮演、VR 和聊天机器人都能提高共情得分，差异来自学习，还是来自任务时间？
• 一名护理专业学生对处于痛苦中的病人微笑：观察者读出的是不协调，微笑检测器读出的是温暖。评估应当相信哪一个？
• 大多数关于人工智能支持共情训练的研究测量的是信心，而不是观察到的行为。如果信心上升而行为没有变化，这项训练是失败了，还是仅仅没有被检验？
• 当聊天机器人温暖地回应时，学生报告感到被理解。那是共情、共情的表演，还是某种无论属于哪一种都重要的东西？
• 如果人们一旦相信人工智能能做到就卸下共情的责任，那么对于一门部分通过人工智能练习来教授共情的课程，这意味着什么？
• 谁应当决定共情是否是一个可评分的结果——而那些准确却不温暖的学生又会怎样？

引言

共情通常被分解为至少两个成分：认知成分，即观点采择；以及情感成分，即分享他人的感受；有些论述还会加上动机成分，即帮助他人的冲动。个人痛苦（Personal Distress）——对他人苦难的厌恶反应——常被一并测量，其表现与其他成分不同。这对教育很重要，因为这些成分可以以不同方式教授，也能以不同程度的成功加以测量。

人工智能在三个不同的点上进入，而把它们混为一谈是文献中混乱的主要来源。

1. 人工智能作为教授人类共情的教学方法。 模拟、VR 具身、与大语言模型生成的人设进行角色扮演，以及用来让他人经验变得鲜活的生成式图像。
2. 人工智能作为测量工具。 计算机视觉为录制的模拟中的身体语言打分，或把共情视为一种在人工智能互动中表现出的倾向的量表。
3. 人工智能作为共情的行动者。 扮演病人、教练或陪伴者、并被设计得显得善解人意的聊天机器人，这引出了一个问题：这种共情是真实的、表演的，还是人际接触的替代品。

前两者关乎学习者，第三项关乎系统。把三者混为一谈的页面，会产生“人工智能提升共情”这类说法，而它其实意味着三件不同的事。

共情可以教吗？

这项直接比较在设计上异常干净，在执行上却异常混杂。Zwoliński 等（2026）把一门无障碍课程中的 64 名硕士生随机分配到三种条件：使用轮椅、老年模拟服和怀孕模拟器的真实世界角色扮演；在 VR 实验室中使用同样的设备；或与 ChatGPT-4.0 进行人设构建对话。三组在 Davis 人际反应指数（Davis Interpersonal Reactivity Index）上都有显著提升。角色扮演提升 13.2%，VR 提升 11.6%，人工智能条件提升 8.8%。只有个人痛苦在各组之间有显著差异。

这一排序符合直觉，解释却不然。三种条件分别持续约 125、87 和 42 分钟，因此这项研究把模态与剂量放在一起比较。可以说，42 分钟的大语言模型对话产生的增益小于两小时的具身练习；但不能说，具身每分钟的价值是它的三倍。作者明确指出了这一混杂，而他们学生自己的建议——把 VR 的可重复性、真实世界的感官丰富性与大语言模型的适应性结合起来——是对证据的合理解读。

健康专业文献增加了规模，却没有增加多少因果上的清晰度。Ismail 与 Zafira（2026）综述了 17 项关于人工智能用于情感领域发展的研究，发现干预集中在沟通训练、虚拟病人、反思性反馈、坏消息告知模拟和 OSCE 式评估。多数报告的是信心、自我效能、反思性投入或感知到的沟通技能上的增益。关于共情本身、情绪回应性、关系真实性与非言语沟通的证据仍然有限。这就是核心发现：一个意图教授共情的领域，大多在测量舒适感。

第四条线索把这种模糊性明确说出来：可穿戴唤起传感器和人工智能生成的图像可以让他人的处境变得鲜活，但皮肤电导的上升是唤起的证据，而不是共情的证据，这一线索下的研究往往到此为止（Lim 等，2024）。

共情可以测量吗？

观察者评分是最接近参照标准的东西，其表现也合理。在 Nissan 等（2026）中，两位教师用一份 12 项量表（α = 0.91）和一份六手势量表（α = 0.93）为 37 名护理专业学生的录制模拟打分，手势评分与量表的相关在 0.41 到 0.63 之间。

算法讲了一个更有意思的故事。身体接触检测与四项观察者测量的一致性在 0.46 到 0.54 之间。目光接触与热图检测与观察者判断没有显著关联。而微笑检测器与三项观察者测量呈负相关，与共情总分的相关为 r = −0.322，因为观察者看到的是一个学生对处于痛苦中的病人微笑，并把它读作紧张或不协调。信号是真实的，解释却反了。这与传感器与凝视分析中所记录的是同一个推断鸿沟，只是这里的利害是一份临床成绩。

自陈量表占据另一端。用于生成式人工智能互动的 AI 共情量表把共情视为一种在人工智能使用中表现出的人类倾向，询问受访者自己的认知、情感和动机反应；其初步因子结构未能复现预期的六个维度（Kang 等，2026）。倾向问卷与行为观察不可互换，二者也都不能替代病人对这次接触是否让人感到关怀的评分。

人工智能可以排练共情吗？

可以，至少就排练这部分而言。Müller 等（2026）让 162 名医学生与一个按角色提示的 GPT-4o 就四种情境之一进行一次对话——共享决策、动机式访谈、性传播感染咨询、告知坏消息——在平均 13 轮交流之后，自我评估的沟通胜任力从 5.89 升到 6.83（0–10 量表，d = 0.58）。学生对人工智能反馈的有用性评分为 10 分中的 7.92，但反馈的充分性并不能预测增益（r = 0.08）。没有对照组。

这一模式反复出现：一次简短、低风险的排练会产生很大的自我效能增益，而其机制更可能是排练本身，而不是模型的批评。这并不是抛弃该工具的理由。标准化病人昂贵、稀缺且需要排期；聊天机器人三者都不是，而一个已经把一场告知坏消息的对话谈过一遍的学生，会以不同的方式使用标准化病人环节。这是停止把这一增益称为胜任力证据的理由。

当共情是一种对话品质而非一项技能时，证据关乎感知。Wang 等（2026）保持模型、平台和温度不变，只改变提示中的角色和对话动作，产生了感知共情的巨大差异（21.27 对 18.24，r = 0.53）。学生所体验的那种共情，可以被脚本化。把共情脚本化在教育上是否是好事，是另一个问题。

替代问题

最新的研究路线追问人工智能的共情会对人类共情做什么。在四项分别有 249、494、743 和 737 名参与者的研究中，Shastry 与 Gray（2026）发现，人们越相信人工智能有能力提供情感支持，自己就越不愿意提供——即共情卸载——在控制了特质共情和既往人工智能使用之后仍然如此。当接受支持者的来源被点名时，参与者说他们向人工智能卸载的程度会低于向朋友或治疗师卸载，因为他们对人工智能共情能力的评价更低。在一项行为测量上，那些说自己不会卸载的参与者，选择的共情词更少、漠然词更多。

对教育而言，这有两面。一门用人工智能练习共情的课程可能在建立这项技能；一种把情感支持导向聊天机器人的校园文化，则可能在侵蚀使用它的动机。两种效应可以并存，而现有文献中没有任何研究把它们放在一起测量。

这对实践意味着什么

• 把三个问题分开。 当有人说人工智能提升共情时，要问他们指的是教人、测人，还是模拟共情。三者的证据各不相同。
• 不要把自我效能当作共情结果。 信心很廉价，几乎任何排练之后都会上升；观察、标准化病人或病人评分才是真正重要的测量。
• 把视觉分数当作第二读者。 身体接触检测可用于形成性反馈；微笑和目光接触检测则不行，除非有模型并不具备的情境信息。
• 为时间做预算，而不只是为模态。 比较研究把两者混在一起，而一种只花四分之一时间的更便宜方法可能仍是更好的选择——只是不等价。
• 留意卸载。 如果人工智能成为情感支持的默认渠道，你试图教授的共情可能正被悄然外包。

常见误解

• “人工智能可以教共情。” 人工智能可以支持排练和反思；最强的那篇综述发现，关于共情作为结果的证据有限，而控制最严密的训练研究测量的是自我评估。
• “共情就是温暖的语言。” 感知到的共情可以仅由提示设计产生，这是关于感知的证据，而不是关于理解的证据。
• “微笑意味着温暖。” 在令人痛苦的临床接触中，观察者把微笑读作不协调，而面部动作检测器把它读作积极情感。情境是缺失的变量。
• “自陈量表测量共情。” 它们测量一种倾向或自我概念；它们不测量一次接触中的行为。
• “越沉浸总是越好。” 沉浸式方法显示出更大的增益，但成本与时长是数倍，而且这些比较并没有让接触量相等。

关联概念

• 情感辅导
• 情感计算
• 社会情感学习
• 职场学习
• 模拟
• 医学与卫生专业教育
• 护理教育
• 传感器与注视分析
• 评估效度
• 自我报告测量
• 人机协作
• AI 谄媚
• 教学安全性
• 幸福感（Well-Being）
• 艺术、设计与媒体教育

关联文章

• Teaching Empathy: A Comparative Analysis of Real, Virtual, and AI-Driven Methods — 在 IRI 上角色扮演 13.2%、VR 11.6%、人工智能对话 8.8%，暴露时间混杂（Zwoliński 等，2026）
• Detecting Nursing Students' Empathy in Video-Recorded Simulation Using Computer Vision — 身体接触检测与观察者一致；微笑检测呈负相关（Nissan 等，2026）
• Training Empathetic Communication Skills in Medical Students With a Role-Prompted GPT-4o Chatbot — 13 轮交流后自我评估胜任力上升 d = 0.58，无对照组（Müller 等，2026）
• Artificial Intelligence for Affective-Domain Development in Healthcare Professions Education: A Systematic Review — 17 项研究；信心增益常见，共情证据有限（Ismail 与 Zafira，2026）
• Exploring the Potential of AI in Nurturing Learner Empathy, Pro-Social Values and Environmental Stewardship — EDA 与生成式图像作为一条唤起通路，共情只是被声称而非被测量（Lim 等，2024）
• People offload empathy when they think AI can give it instead — 对人工智能共情能力的信念预测了更低的提供支持意愿（Shastry 与 Gray，2026）
• AI Empathy as a Human Disposition in Generative AI Interaction: Development and Preliminary Psychometric Evaluation of a Cognitive–Affective–Motivational Scale — 一个 42 项的倾向量表，其因子结构与设计不符（Kang 等，2026）
• Invisible Impact of Empathy on Behavioral Change: Isolating the Effect of Empathy in Long-term Physical Activity Coaching Chatbot Interactions — 共情式语言提升了被理解感，而它预测的是参与而非行为改变（Siyan 等，2026）
• Comparing teacher-centered and student-centered agents based on prompt engineering: Effects on learning performance, cognitive load, flow experience, and empathy perception in physics learning — 提示指定的角色与动作产生了很大的感知共情差异（Wang 等，2026）
• Nursing Students' and Faculty Experiences with Artificial Intelligence in Education: A Qualitative Study Using the Technology Acceptance Model — 护理专业学生把人工智能描述为临床压力中的情感支持（Akbaba 等，2026）