Measuring Large Language Models Dependency: Validating the Arabic Version of the LLM-D12 Scale

文章总结与翻译

一、文章主要内容

本文聚焦阿拉伯语人群对大型语言模型（LLMs）的依赖评估，首次对LLM - D12量表（含工具性依赖和关系性依赖两个维度）的阿拉伯语版本进行验证，以填补阿拉伯语语境下LLM依赖评估工具的空白。

研究背景

1. 全球范围内，LLMs在日常生活中应用日益广泛，阿拉伯地区LLMs采用率快速提升，如海湾阿拉伯国家合作委员会（GCC）88%的CEO报告已采用生成式AI，且LLMs用途多样，从翻译、行政任务到教育辅助、健康咨询甚至情感陪伴均有涉及，但针对该地区的LLM依赖评估工具有限。
2. 现有LLM相关依赖评估工具存在不足，如多改编自其他行为成瘾框架，未充分捕捉人机交互独特动态，且缺乏针对阿拉伯语人群的版本，同时文化差异可能导致量表在不同文化语境中解读和响应存在偏差。

研究方法

1. 数据收集与样本：2025年6月末至7月初，通过Prolific平台招募符合条件的阿拉伯参与者，最终有效样本250人，平均年龄28.27岁，男女比例接近，多数使用ChatGPT，且超半数每日多次使用LLMs。
2. 量表翻译：采用回译法制作阿拉伯语版本LLM - D12，经多位双语专家审核调整，并通过预实验优化表述以确保含义准确。
3. 测量工具：除LLM - D12外，还使用互联网成瘾量表（IAT - 7）、AI态度量表（ATAI）、认知需求量表（NFC）及LLM