本研究旨在探讨生成式人工智能是否能够在不同父母性别与儿童发展群体中模拟出反映理论驱动模式的养育数据。研究人员采用ChatGPT-4，基于父母权威问卷修订版（Parenting Authority Questionnaire–Revised, PAQ-R）的结构，并在深入回顾相关文献的基础上生成合成性回应。数据集包含600份模拟父母档案（典型发育、注意缺陷多动障碍（ADHD）及自闭症谱系障碍（ASD）儿童的母亲与父亲）。双因素多元方差分析（two-way MANOVA）揭示了显著的主效应与交互效应，与理论预期（以结构化假设形式表述）一致：权威型养育（authoritative parenting）在典型发育儿童母亲中得分最高，在非典型发育群体中显著下降；而专制型养育（authoritarian parenting）在ADHD儿童父亲中表现最为突出。这些发现表明，人工智能能够生成捕捉结构化、理论一致性养育风格差异的合成数据。研究结果凸显了基于人工智能的数据模拟作为家庭与发展研究中有用方法论工具的潜力，为理论检验与模型验证提供了可扩展的机会。
研究背景与问题提出
养育风格（parenting styles）被广泛认为是影响儿童情绪、行为与社会发展的关键因素。数十年来，心理学研究识别出三种主要养育风格，即权威型（authoritative）、专制型（authoritarian）与放纵型（permissive），每种风格反映了父母在控制、回应性与温暖性方面的不同模式。理解这些风格如何在不同群体中表现，始终是发展与家庭心理学的核心议题，特别是在考察父母性别差异与儿童发展特征差异时尤为重要。
既往研究表明，父母双方常呈现不同的养育风格：母亲通常报告更高水平的温暖、沟通与诱导性管教（即权威型养育），而父亲则更倾向表现出僵化控制或面对行为挑战时的一致性不足。这种基于性别的差异在神经发育障碍儿童背景下进一步放大。例如，与典型发育（typically developing, TD）儿童父母相比，ADHD儿童父母表现出更多专制型和过度控制的养育风格，尤其在父亲中表现突出。ADHD儿童通过其注意力缺陷与多动/冲动行为引发更多冲突与亲职压力，导致父母采取更为专制和适应不良的养育风格作为反应性回应，而非权威型方式，这种互动常被概念化为"互惠性、交互性过程"，即儿童挑战性行为与父母增强控制或严厉性之间相互强化。类似地，ASD儿童父母常表现出放纵型与专制型行为的混合，这可能与照护需求带来的压力和不可预测性有关。根据亲职压力理论（parental stress theory），该因素与ASD儿童父母更多专制型和放纵型养育实践持续相关。尽管父母存在显著相似性，自闭症儿童父亲常被归类为更具放纵性和专制性，在多数养育测量中表现出较低的敏感性、参与度和温暖性。相比之下，TD儿童更易报告平衡的权威型养育，以高温暖度和结构化指导为特征。
然而，人工智能在养育研究中的应用主要集中于使用现有行为或观察数据进行分类与预测任务。尽管人工智能已越来越多地应用于心理学研究中的预测建模与自然语言处理，但利用生成式人工智能创建合成性、理论驱动数据集的做法仍较为罕见，在养育研究中几乎空白。少数近期研究探索了大语言模型（large language models, LLMs）模拟人类对社会心理学、临床心理健康及教育领域 surveys 或心理任务回应的潜力，但迄今尚无研究系统性地使用人工智能生成反映养育风格理论或家庭相关心理构念的调查问卷回应。这一空白提示了重要机遇：若人工智能能够可靠模拟特定档案父母（如ADHD儿童母亲）对经验证养育问卷的可能回应方式，则可为可扩展的理论检验、工具开发及家庭研究数据集扩充开辟新途径。
鉴于此，本研究旨在开发一种新型人工智能驱动框架，生成基于理论与实证文献的合成性父母报告数据，首次尝试利用基于人工智能的合成生成方法模拟养育领域的心理学自我报告数据。研究聚焦于评估人工智能能否生成保留既定群体层面养育风格分化模式的理论引导合成数据，而非模拟真实父母认知或复现经验性回应分布。
研究假设与方法框架
本研究采用父母权威问卷修订版（PAQ-R）作为结构基础，该工具包含30个项目，评估权威型、专制型与放纵型三种养育风格，每个项目采用5点Likert量表评分。研究构建了600份合成父母回应档案（母亲300人，父亲300人），均分至TD、ADHD与ASD三个儿童发展群体，每群体100名母亲与100名父亲。合成回应基于项目与各养育风格类别的理论对齐性，结合由既往实证发现告知的条件概率分布生成，并根据模拟父母的性别与模拟儿童的发展特征进行调整。
研究检验三项基本假设：第一，TD儿童父母与非TD儿童父母在养育风格上存在显著差异，后者权威型养育水平更低、专制型和放纵型水平更高；第二，母亲与父亲在养育风格上存在显著差异，母亲权威型和放纵型养育更高，父亲专制型更高；第三，父母性别与儿童发展群体存在交互效应，即父母间的养育风格差异随儿童发展群体而异。
主要研究结果
描述性统计与相关性分析显示，专制型养育与权威型、放纵型养育呈负相关，后两者呈弱正相关。双因素多元方差分析（MANOVA）揭示了父母性别与儿童发展条件对三种养育风格的总体显著主效应与交互效应。
假设1获得部分支持：权威型养育在TD群体中最高、ADHD群体中最低；与非TD群体相比，ADHD与ASD群体专制型养育最高（事后检验证实TD与非TD群体间差异显著）；放纵型养育的群体差异仅针对ADHD群体显著，后者低于TD与ASD群体。
假设2获得完全支持：母亲在权威型和放纵型养育上得分高于父亲，父亲在专制型养育上得分高于母亲。其中性别差异效应量较大的为专制型（partial η
2 = 0.42）与权威型（partial η
2 = 0.32）养育，放纵型效应量相对较小（partial η
2 = 0.05）但仍显著。
假设3获得部分支持：交互效应出现在权威型和专制型养育，但未出现于放纵型养育。具体而言，TD儿童母亲权威型得分最高（M = 37.53），远高于TD儿童父亲（M = 31.63）；ADHD儿童母亲（M = 31.51）与父亲（M = 29.04）权威型养育均下降，但母亲下降更显著；ASD群体中母亲有所恢复（M = 35.83），而父亲仍维持较低水平（M = 30.61）。ADHD儿童父亲专制型得分最高（M = 35.20），母亲各组专制型行为亦有增加（M = 25.22），但程度较轻且渐进。专制型养育的父母对比在ADHD群体中最为尖锐，ASD群体中差距略有缩小但仍显著（父亲M = 30.44，母亲M = 29.04）。
讨论与结论
研究发现综合表明，人工智能生成的合成数据能够有效代表理论预设的父母性别与儿童发展群体间的养育风格差异。权威型养育在TD儿童母亲中最高，在发展挑战群体中显著下降；专制型养育在ADHD儿童父亲中增加最为显著，与先前实证发现形成镜像。母亲在ASD群体中权威型得分的部分恢复，与关于母亲面对高照护负荷时仍维持更高回应性与敏感性的研究一致。最显著的交互信号出现于专制型养育，ADHD儿童父亲的专制型水平最高，父母间对比在该群体中最为尖锐，这与ADHD导致养育压力增加、强制性控制及过度控制或严厉管教的经验报告相符，在理论上与互惠/交易性账户一致，即儿童失调与父母控制可随时间相互强化。
研究强调了人工智能合成数据在家庭研究中的方法论与实践意义。该方法将生成式人工智能应用从预测和分类扩展至理论驱动心理现象的模拟，可为初步假设检验、研究方案开发及教育目的提供有价值的资源，特别适用于真实数据收集存在后勤困难或伦理敏感性的情境。需要明确的是，合成数据的优势并非取代实证数据集、元分析或二手数据分析，而是通过实现可控、可扩展的研究模拟对其进行补充。理论引导的合成回应集可用于原型化和测试分析工具（如MANOVA/交互效应探测）、检验不同研究设计选择下效应量的变化、试点预注册假设检验，以及开发家庭导向的教学或培训材料。
同时，研究承认若干方法论局限。合成量表的内部一致性信度（Cronbach's α）显著低于传统人类回应研究，这是因为数据采用逐项目、理论驱动的概率分布生成，而非潜在心理计量建模。低内部一致性反映了理论引导的逐项目生成程序未施加心理计量量表构建中典型的潜在协方差或同质性约束。此局限并未否定所考察的群体层面分化模式的有效性，但标示了当前模拟框架的方法论边界及未来研究的关键改进目标。此外，当前模拟模式有意设定得较为宽泛，未考虑可能影响养育风格的人口统计学因素或更细致的情境变量。
结论与未来方向
本研究令人信服地证明了使用生成式人工智能生成与理论预期和实证模式一致的合成养育数据的可行性。这一方法论进展为家庭研究者提供了理论检验、模型验证和教育模拟的新工具。未来研究应致力于完善该方法，扩展至其他心理构念和养育测量，考察文化、人口统计学方面的纳入潜力，并模拟纵向或干预数据。尤为重要的是，未来研究应通过实证检验人工智能生成数据与人类父母报告PAQ-R回应之间的汇聚性，将基于人工智能的合成数据生成从理论驱动建模推进至经验 grounded 的家庭研究应用。在伦理层面，研究者必须明确披露数据的合成性质、理论基础和方法论局限，防止误解或滥用，确保此类数据作为实证研究的补充而非替代。
