DOI: https://doi.org/10.3389/fpsyg.2025.1600013
PMID: https://pubmed.ncbi.nlm.nih.gov/40524827
تاريخ النشر: 2025-06-02
المؤلف: Daniela Litan
الموضوع الرئيسي: التوتر التكنولوجي في البيئات المهنية
نظرة عامة
تدرس الدراسة الحالية العلاقة بين الصحة النفسية والتكامل السريع للذكاء الاصطناعي (AI) في المجتمع الروماني. مع الاعتراف بالزيادة المتزايدة في أهمية التأثير النفسي للذكاء الاصطناعي، تستخدم البحث استبيان مبدعي التوتر التكنولوجي لتقييم التأثيرات المدركة لتقنيات الذكاء الاصطناعي وتستخدم مقاييس الاكتئاب والقلق والتوتر (DASS-21R) لتقييم الصحة النفسية من حيث اضطرابات القلق والاكتئاب. تم إجراء تحليل البيانات باستخدام نمذجة المعادلات الهيكلية (SEM).
تدعم النتائج النموذج المقترح، مؤكدة أن أعراض القلق والاكتئاب مرتبطة بشكل كبير بالتوتر التكنولوجي المرتبط بالذكاء الاصطناعي. بينما يحد التصميم العرضي من القدرة على استخلاص استنتاجات سببية، تقدم الدراسة مساهمة قيمة في الأدبيات الحالية من خلال تسليط الضوء على الآثار النفسية لاعتماد الذكاء الاصطناعي، وبالتالي معالجة فجوة حرجة في البحث.
النتائج
تشير نتائج الدراسة إلى توافق قوي للنموذج المقترح، كما يتضح من مؤشرات التوافق المختلفة: CFI = 0.988، SRMR = 0.040، RMSEA = 0.043، وCMINF/DF = 1.39، من بين أمور أخرى. كشف التحليل عن ارتباطات إيجابية كبيرة بين اضطرابات القلق والاكتئاب وعوامل التوتر التكنولوجي الناتجة عن الذكاء الاصطناعي (AI)، مما يدعم الفرضيات H1 وH2. على وجه التحديد، أظهرت اضطرابات القلق ارتباطات إيجابية مع التحميل التكنولوجي ($r = 0.267، p < 0.001$)، والغزو التكنولوجي ($r = 0.298، p < 0.001$)، والتعقيد التكنولوجي ($r = 0.234، p < 0.001$)، وانعدام الأمان التكنولوجي ($r = 0.233، p < 0.001$). وبالمثل، ارتبطت اضطرابات الاكتئاب بهذه العوامل التكنولوجية، وإن كانت مع معاملات ارتباط أقل قليلاً. أظهر تحليل نمذجة المعادلات الهيكلية (SEM) أن التوتر التكنولوجي يتنبأ بشكل كبير بالقلق (β = 0.342، $p < 0.001$، $R^2 = 0.117$) والاكتئاب (β = 0.308، $p < 0.001$، $R^2 = 0.095$)، مما يؤكد الفرضيات. من الجدير بالذكر أن عوامل التحميل التكنولوجي والغزو التكنولوجي ظهرت كأكثر المتنبئين تأثيرًا بالتوتر التكنولوجي، بينما أظهر عدم اليقين التكنولوجي ارتباطًا أضعف. كما سلطت الدراسة الضوء على ارتباط معتدل بين اضطرابات القلق والاكتئاب (التغاير: Std. all = 0.53، $p < 0.001$)، مما يشير إلى علاقة متبادلة حيث تزيد مستويات القلق العالية من خطر الاكتئاب. تتماشى هذه النتيجة مع الأدبيات الحالية، مما يعزز العلاقة بين التوتر التكنولوجي ونتائج الصحة النفسية في سياق تنفيذ الذكاء الاصطناعي.
المناقشة
تدرس الدراسة الحالية العلاقة بين التوتر التكنولوجي الناتج عن الذكاء الاصطناعي (AI) ونتائج الصحة النفسية، وخاصة القلق والاكتئاب، بين عينة من 217 مواطنًا رومانيًا بالغًا. باستخدام تصميم مسح عرضي، استخدمت البحث أدوات موثوقة، بما في ذلك مقياس مبدعي التوتر التكنولوجي واستبيان DASS-21R، لتقييم تجارب المشاركين من التوتر التكنولوجي وحالتهم الصحية النفسية. تشير النتائج إلى ارتباطات إيجابية كبيرة بين أبعاد مختلفة من التوتر التكنولوجي – مثل التحميل التكنولوجي، والغزو التكنولوجي، والتعقيد التكنولوجي، وانعدام الأمان التكنولوجي – وأعراض القلق والاكتئاب. من الجدير بالذكر أن الغزو التكنولوجي أظهر أقوى ارتباط مع كل من القلق (r = 0.298، p < 0.001) والاكتئاب (r = 0.267، p < 0.001)، مما يشير إلى أن الطبيعة الواسعة للتكنولوجيا في الحياة الشخصية تفاقم مشاكل الصحة النفسية. تم تأكيد فرضيات الدراسة من خلال نمذجة المعادلات الهيكلية، مما يكشف أن التوتر التكنولوجي هو متنبئ كبير بالقلق (β = 0.342، p < 0.001) والاكتئاب (β = 0.308، p < 0.001). تؤكد النتائج الطبيعة متعددة الأبعاد للتوتر التكنولوجي، حيث تلعب عوامل مثل التحميل التكنولوجي وانعدام الأمان التكنولوجي أدوارًا حاسمة في التأثير على الصحة النفسية. بالإضافة إلى ذلك، كشفت التحليلات الديموغرافية أن الأفراد الأصغر سنًا والنساء أبلغوا عن مستويات أعلى من التوتر التكنولوجي، مما يتماشى مع الأدبيات الحالية حول الفروق بين الجنسين في القلق المرتبط بالتكنولوجيا. تساهم هذه النتائج في الفهم النظري للتوتر التكنولوجي في سياق الذكاء الاصطناعي وتبرز الحاجة إلى تدخلات مستهدفة للتخفيف من تأثيره على الصحة النفسية، مما يبرز أهمية التكامل المسؤول للذكاء الاصطناعي في سياقات العمل والمجتمع.
القيود
تسلط فقرة القيود الضوء على عدة قيود حاسمة للدراسة الحالية التي تبحث في العلاقة بين التوتر التكنولوجي الناتج عن الذكاء الاصطناعي والصحة النفسية. أولاً، تتبنى البحث تصميمًا عرضيًا، مما يحد من الاستنتاجات السببية بشأن تأثير التوتر التكنولوجي على القلق والاكتئاب. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار التصاميم الطولية لفهم الديناميات الزمنية لهذه العلاقات بشكل أفضل. بالإضافة إلى ذلك، استخدمت الدراسة مقياس توتر تكنولوجي تم تصميمه في الأصل للتقنيات العامة، مما يشير إلى الحاجة إلى تطوير مقياس محدد للذكاء الاصطناعي معتمد لتعزيز دقة القياس.
علاوة على ذلك، ركزت البحث بشكل عام على تكنولوجيا الذكاء الاصطناعي دون التعمق في تطبيقات أو سياقات محددة، مما يشير إلى أن الدراسات المستقبلية يجب أن تجري تحليلات مستهدفة ضمن مجالات معينة لتعزيز الفهم. تثير حصرية العينة لمواطني رومانيا مخاوف بشأن قابلية تعميم النتائج، حيث قد تؤثر الاختلافات الثقافية على تصورات الذكاء الاصطناعي. أخيرًا، قد يؤدي الاعتماد على البيانات المبلغ عنها ذاتيًا إلى إدخال تحيزات في العلاقات الملاحظة. لا يأخذ النموذج المفاهيمي للدراسة، على الرغم من تسليط الضوء على الارتباطات المباشرة، في الاعتبار التأثيرات الوسيطة المحتملة، والتي يجب أن تستكشفها الأبحاث المستقبلية لتقديم رؤية أكثر شمولاً للتفاعل بين التوتر التكنولوجي والصحة النفسية. بشكل عام، سيكون من الضروري معالجة هذه القيود لتقدم المجال.
DOI: https://doi.org/10.3389/fpsyg.2025.1600013
PMID: https://pubmed.ncbi.nlm.nih.gov/40524827
Publication Date: 2025-06-02
Author(s): Daniela Litan
Primary Topic: Technostress in Professional Settings
Overview
The current study investigates the relationship between mental health and the rapid integration of Artificial Intelligence (AI) in Romanian society. Recognizing the increasing relevance of AI’s psychological impact, the research employs the Technostress Creators Questionnaire to assess the perceived effects of AI technologies and utilizes the Depression Anxiety Stress Scales (DASS-21R) to evaluate mental health in terms of anxiety and depression disorders. Data analysis was conducted using Structural Equation Modeling (SEM).
The findings support the proposed model, confirming that symptoms of anxiety and depression are significantly associated with technostress related to AI. While the cross-sectional design limits the ability to draw causal conclusions, the study makes a valuable contribution to the existing literature by highlighting the psychological implications of AI adoption, thus addressing a critical gap in research.
Results
The results of the study indicate a strong fit for the proposed model, as evidenced by various fit indices: CFI = 0.988, SRMR = 0.040, RMSEA = 0.043, and CMINF/DF = 1.39, among others. The analysis revealed significant positive correlations between anxiety and depression disorders and technostress factors induced by artificial intelligence (AI), supporting hypotheses H1 and H2. Specifically, anxiety disorders showed positive correlations with Techno-overload ($r = 0.267, p < 0.001$), Techno-invasion ($r = 0.298, p < 0.001$), Techno-complexity ($r = 0.234, p < 0.001$), and Techno-insecurity ($r = 0.233, p < 0.001$). Similarly, depressive disorders correlated with these technostress factors, albeit with slightly lower correlation coefficients. The structural equation modeling (SEM) analysis demonstrated that technostress significantly predicts anxiety (β = 0.342, $p < 0.001$, $R^2 = 0.117$) and depression (β = 0.308, $p < 0.001$, $R^2 = 0.095$), confirming the hypotheses. Notably, the factors Techno-overload and Techno-invasion emerged as the most influential predictors of technostress, while Techno-uncertainty showed a weaker association. The study also highlighted a moderate correlation between anxiety and depression disorders (covariance: Std. all = 0.53, $p < 0.001$), suggesting a reciprocal relationship where high anxiety levels increase the risk of depression. This finding aligns with existing literature, reinforcing the connection between technostress and mental health outcomes in the context of AI implementation.
Discussion
The current study investigates the relationship between technostress induced by artificial intelligence (AI) and mental health outcomes, specifically anxiety and depression, among a sample of 217 adult Romanian citizens. Utilizing a cross-sectional survey design, the research employed validated instruments, including the Technostress Creators scale and the DASS-21R questionnaire, to assess participants’ experiences of technostress and their mental health status. The findings indicate significant positive correlations between various dimensions of technostress—such as techno-overload, techno-invasion, techno-complexity, and techno-insecurity—and symptoms of anxiety and depression. Notably, techno-invasion exhibited the strongest association with both anxiety (r = 0.298, p < 0.001) and depression (r = 0.267, p < 0.001), suggesting that the pervasive nature of technology in personal life exacerbates mental health issues. The study's hypotheses were confirmed through structural equation modeling, revealing that technostress is a significant predictor of anxiety (β = 0.342, p < 0.001) and depression (β = 0.308, p < 0.001). The results underscore the multidimensional nature of technostress, with factors like techno-overload and techno-insecurity playing critical roles in influencing mental health. Additionally, demographic analyses revealed that younger individuals and women reported higher levels of technostress, aligning with existing literature on gender differences in technology-related anxiety. These findings contribute to the theoretical understanding of technostress in the context of AI and highlight the need for targeted interventions to mitigate its impact on mental health, emphasizing the importance of responsible AI integration in workplace and societal contexts.
Limitations
The section on limitations highlights several critical constraints of the current study investigating the relationship between AI-induced technostress and mental health. Firstly, the research adopts a cross-sectional design, which limits causal inferences regarding the impact of technostress on anxiety and depression. Future research should consider longitudinal designs to better understand the temporal dynamics of these relationships. Additionally, the study utilized a technostress scale originally designed for general technologies, indicating a need for the development of a validated AI-specific scale to enhance measurement accuracy.
Moreover, the research focused broadly on AI technology without delving into specific applications or contexts, suggesting that future studies should conduct targeted analyses within particular domains to enrich understanding. The sample’s exclusivity to Romanian citizens raises concerns about the generalizability of the findings, as cultural differences may influence perceptions of AI. Lastly, the reliance on self-reported data may introduce biases in the relationships observed. The study’s conceptual model, while highlighting direct associations, does not account for potential mediation effects, which future research should explore to provide a more comprehensive view of the interplay between technostress and mental health. Overall, addressing these limitations will be crucial for advancing the field.