大语言模型在老年人中的反论点：认知卸载还是道德说服的脆弱性？
人机交互
2026-04-27 v1
摘要
本研究考察了大语言模型 (LLM) 生成的反论点是否影响年轻和年长成年人的道德判断，以及这些影响是否因情境类型、认知功能、对 AI 的信任程度以及使用 LLM 的经验而异。使用开关和脚桥 trolley dilemmas，130 名参与者 (56 名年轻成年人和 74 名年长成年人) 被呈现出反对其初始判断的 ChatGPT 论点。结果显示，超过 30% 的参与者在两种 dilemmas 中都逆转了道德判断 (在开关 dilemmas 中为 32.31%，在脚桥 dilemmas 中为 36.92%)，表明 LLM 具有相当大的说服力。年长成年人比年轻成年人更可能逆转判断，在开关 dilemmas 中表现出显著更大的判断变化。值得注意的是，在情感上令人不适的脚桥 dilemmas 中，认知功能较低的年长成年人显著更可能与 LLM 生成的反论点保持一致。对 AI 的一般信任和使用 LLM 的经验并不预测判断的逆转，这表明了信任与说服之间存在断层。相反，个体因素如较低的初始自信和较高的感知任务难度与更大的 AI 影响力相关联。这一发现表明，尽管 LLM 可能作为补偿年龄相关认知衰退的认知卸载工具，但它们也可能对认知易感个体构成说服风险。
引用
@article{arxiv.2604.22356,
title = {Large Language Model Counterarguments in Older Adults: Cognitive Offloading or Vulnerability to Moral Persuasion?},
author = {Kou Tamura and Sayaka Ishibashi and Ayana Goma and Kenta Yamamoto and Kouhei Masumoto},
journal= {arXiv preprint arXiv:2604.22356},
year = {2026}
}
备注
34 pages, 3 figures, 3 Tables, 1 supplementary material