规避社会判断，寻求隐私：调查为何母亲们从Facebook群组转向大语言模型
人机交互
2026-02-17 v1
摘要
社交媒体平台，尤其是Facebook育儿群组，长期以来被用作寻求建议和安慰的非正式支持网络。然而，日益增长的关于社会判断、隐私暴露以及信息可靠性的担忧正在改变母亲们寻求帮助的方式。本探索性混合方法研究 examines 为什么母亲们正在从Facebook育儿群组转向诸如ChatGPT和Gemini等大语言模型。我们对109名母亲进行了横断面在线调查。结果显示，41.3%的受访者因预期他人判断而避免Facebook育儿群组。这种差异在地点和家庭结构之间具有统计学显著性。居住在本国的母亲以及共同生活的家庭更可能避免Facebook群组。定性发现揭示了三个主题：社会判断和曝光、LLM作为安全私密的空间，以及快速且结构化的支持。受访者描述LLM为寻求帮助提供即时、情感上安全且可靠的替代方案，减少了在提出帮助请求时的社会风险。尽管如此，LLM并未取代人际支持，而是填补了现有支持系统中情感和实际需求之间的空白。这些发现显示出母性数字支持的变化，并凸显了需要设计既支持信息获取又支持情感安全的LLM系统的需求。
关键词
引用
@article{arxiv.2602.13941,
title = {Avoiding Social Judgment, Seeking Privacy: Investigating why Mothers Shift from Facebook Groups to Large Language Models},
author = {Shayla Sharmin and Sadia Afrin},
journal= {arXiv preprint arXiv:2602.13941},
year = {2026}
}