下属人机协作与领导的多元反应：基于双系统加工视角
针对领导如何认知与回应下属人机协作，一项研究基于双系统加工理论提出三项相互关联的研究设计。研究分别考察领导的“冷”反应模式（动机归因与未来影响感知引发发展与变革导向行为）和“热”反应模式（相对剥夺感促发报复性无礼行为），并从动态视角比较不同反应对人机协作可持续性的影响。研究指出，现有研究多聚焦员工视角，且存在领导高估下属人机协作绩效与行为者视角客观绩效提升之间的悖论。
#动机
搜索与计数仅限六个 AI × 心理学议题。全部收录不等同于精选；普通心理学内容可从背景主题继续阅读。
心理科学进展 · 官网先行稿AI 评分2323
心理科学进展AI 评分4242 数字员工加入团队后，团队为何需要重新学会工作？
王磊等（2026）发表于《心理科学进展》的论文提出，数字员工以智能代理身份加入团队后，原有分工、沟通与责任安排可能失效，团队需经历情境、评估、重塑、适应四步重塑工作。论文强调，个人会用AI不等于团队形成有效人智协作，责任归属不清可能带来责任真空，且高绩效团队反而可能更抗拒数字员工。
ACAMH · 儿童与青少年心理健康博客AI 评分5050 对青少年而言最重要的人生事件是什么？z-proso 研究用 NLP 分析 5,670 段自述
苏黎世 z-proso 研究在 15、17、20、24 岁四个时间点向 1,442 名年轻人提出同一个开放式问题，共收集 5,670 段自述，并用 BERTopic 主题建模与大语言模型分类器归纳出 12 个主题、五大领域。约 83% 的事件为正面，最常被提及的是学校、教育与学徒经历；内化症状较高者更倾向提及恋爱友谊、心理健康与压力事件和丧失，较少提及学业与成就类里程碑。
Eiko Fried · 心理研究与方法AI 评分2222 WARN-D 抑郁症预测机器学习竞赛上线 Codabench
ERC 资助的 WARN-D 项目在完成近 5 年数据收集后，于 Codabench 上线预测抑郁症发作的机器学习竞赛，由博士后 Rayyan Tutunji 领衔。竞赛数据覆盖约 1,750 名年轻成人、为期 2 年的三阶段随访，开放 70% 数据及 30% 留出集的预测变量，参赛者需预测每人在各测量点的抑郁发作。截止日期为 2 月 27 日，前三名团队将列为论文作者。