反直觉焦虑：越懂技术，越不信任数字世界
BALI 发布于 2025.12.18 , 08:03
一项覆盖30个国家的研究发现，数字技能更强、上网更频繁的人，对隐私、虚假信息和工作生活边界的担忧反而更高。技术并未让人更安心。
一项由伦敦大学学院和不列颠哥伦比亚大学研究人员完成的新研究发现，在隐私、网络虚假信息以及工作与生活边界等问题上，最焦虑的并不是“技术弱势群体”，而是那些数字能力更强的人。
研究结果显示，在西欧国家、受教育程度较高、数字技能较强的千禧一代中，数字焦虑水平尤为突出。
研究使用了欧洲社会调查项目的数据。这一项目每两年在欧洲多个国家收集具有全国代表性的公众态度、观念和行为数据。研究团队分析了2020年至2022年间，来自30个国家、近5万名受访者的回答。
在调查中，参与者被问及三个问题，数字技术在多大程度上侵犯了隐私，是否助长了虚假信息传播，以及是否干扰了工作与生活的界限。研究人员将这些回答合并，构建了一个从0到1的“数字担忧指数”，分数越高，代表担忧程度越高。
为了评估数字素养和数字暴露程度，研究人员还询问了受访者上网的频率，以及他们对电脑偏好设置、高级网络搜索和使用PDF文件的熟悉程度。在国家层面，数字暴露则通过各国互联网使用人口比例来衡量。
研究人员比较了不同国家之间的担忧水平，也分析了不同社会群体之间的差异，同时关注数字技能和数字使用频率对担忧程度的影响。
结果显示，千禧一代，也就是在2022年时年龄在25到44岁的人，对数字问题的担忧明显高于更年轻的15到24岁人群，以及75岁以上的老年人。在性别、收入水平、城乡居住地之间，研究并未发现显著差异。
整体来看，大多数国家的公众对数字技术潜在危害的担忧都超过了中间值0.5。在所有国家中，保加利亚是唯一一个未超过这一水平的国家，得分为0.47。数字担忧最高的是荷兰，得分0.74，其次是英国，得分0.73。
与本国出生的公民相比，移民群体报告的数字担忧程度更低。正在工作的受访者，也比未就业者更不焦虑。在教育层面，接受过中学或大学教育的人，比只受过小学教育或没有受教育的人，更容易对数字问题感到担心。
研究还发现，技术能力越强的人，越容易意识到数字化带来的负面影响。但这种关联只出现在那些几乎每天都在使用数字技术的人身上。换句话说，既懂技术，又长期暴露在数字环境中，才更容易感到不安。
研究者认为，这可能与“失控感”有关。人们越了解数字系统的运作方式，越清楚其中的风险，却越难以真正改变或逃离这些系统，从而产生无力感和持续的担忧。
论文第一作者、伦敦大学学院社会研究所的Yang Hu表示，研究结果挑战了一个常见假设，也就是接触数字世界越多，人们就越不担心它的危害。事实恰恰相反，频繁使用数字技术，尤其是在具备较高数字素养的情况下，往往会放大焦虑。
他指出，数字化带来的焦虑已经成为当代社会的一个显著特征。随着人们对技术的依赖和理解不断加深，对其潜在危害的担忧，正在影响个人的心理健康、生活质量，以及更广泛的社会福祉。
在企业、政府和社会全面拥抱新技术的背景下，技术几乎无处不在，数字素养也成为多数人的基本能力。人工智能的快速发展正在进一步加速这一进程，因此，数字焦虑不再是一个可以忽视的问题。
共同作者、不列颠哥伦比亚大学的Yue Qian指出，这项研究揭示了两个耐人寻味的悖论。那些通常被认为最容易受到数字伤害的人，比如年轻人、老年人以及数字技能较低的人，反而表现出较低的担忧水平。相反，真正感到焦虑的，是那些技术能力更强的人。
她认为，当前提升数字素养的主流努力，主要集中在技能训练上，但决策者不应忽视人们对快速数字化所带来的主观幸福感和社会影响的真实担忧。
本文译自 taylorandfrancisgroup，由 BALI 编辑发布。https://jandan.net/p/121721
BALI 发布于 2025.12.18 , 08:03
一项覆盖30个国家的研究发现，数字技能更强、上网更频繁的人，对隐私、虚假信息和工作生活边界的担忧反而更高。技术并未让人更安心。
一项由伦敦大学学院和不列颠哥伦比亚大学研究人员完成的新研究发现，在隐私、网络虚假信息以及工作与生活边界等问题上，最焦虑的并不是“技术弱势群体”，而是那些数字能力更强的人。
研究结果显示，在西欧国家、受教育程度较高、数字技能较强的千禧一代中，数字焦虑水平尤为突出。
研究使用了欧洲社会调查项目的数据。这一项目每两年在欧洲多个国家收集具有全国代表性的公众态度、观念和行为数据。研究团队分析了2020年至2022年间，来自30个国家、近5万名受访者的回答。
在调查中，参与者被问及三个问题，数字技术在多大程度上侵犯了隐私，是否助长了虚假信息传播，以及是否干扰了工作与生活的界限。研究人员将这些回答合并，构建了一个从0到1的“数字担忧指数”，分数越高，代表担忧程度越高。
为了评估数字素养和数字暴露程度，研究人员还询问了受访者上网的频率，以及他们对电脑偏好设置、高级网络搜索和使用PDF文件的熟悉程度。在国家层面，数字暴露则通过各国互联网使用人口比例来衡量。
研究人员比较了不同国家之间的担忧水平，也分析了不同社会群体之间的差异，同时关注数字技能和数字使用频率对担忧程度的影响。
结果显示，千禧一代，也就是在2022年时年龄在25到44岁的人，对数字问题的担忧明显高于更年轻的15到24岁人群，以及75岁以上的老年人。在性别、收入水平、城乡居住地之间，研究并未发现显著差异。
整体来看，大多数国家的公众对数字技术潜在危害的担忧都超过了中间值0.5。在所有国家中，保加利亚是唯一一个未超过这一水平的国家，得分为0.47。数字担忧最高的是荷兰，得分0.74，其次是英国，得分0.73。
与本国出生的公民相比，移民群体报告的数字担忧程度更低。正在工作的受访者，也比未就业者更不焦虑。在教育层面，接受过中学或大学教育的人，比只受过小学教育或没有受教育的人，更容易对数字问题感到担心。
研究还发现，技术能力越强的人，越容易意识到数字化带来的负面影响。但这种关联只出现在那些几乎每天都在使用数字技术的人身上。换句话说，既懂技术，又长期暴露在数字环境中，才更容易感到不安。
研究者认为，这可能与“失控感”有关。人们越了解数字系统的运作方式，越清楚其中的风险，却越难以真正改变或逃离这些系统，从而产生无力感和持续的担忧。
论文第一作者、伦敦大学学院社会研究所的Yang Hu表示，研究结果挑战了一个常见假设，也就是接触数字世界越多，人们就越不担心它的危害。事实恰恰相反，频繁使用数字技术，尤其是在具备较高数字素养的情况下，往往会放大焦虑。
他指出，数字化带来的焦虑已经成为当代社会的一个显著特征。随着人们对技术的依赖和理解不断加深，对其潜在危害的担忧，正在影响个人的心理健康、生活质量，以及更广泛的社会福祉。
在企业、政府和社会全面拥抱新技术的背景下，技术几乎无处不在，数字素养也成为多数人的基本能力。人工智能的快速发展正在进一步加速这一进程，因此，数字焦虑不再是一个可以忽视的问题。
共同作者、不列颠哥伦比亚大学的Yue Qian指出，这项研究揭示了两个耐人寻味的悖论。那些通常被认为最容易受到数字伤害的人，比如年轻人、老年人以及数字技能较低的人，反而表现出较低的担忧水平。相反，真正感到焦虑的，是那些技术能力更强的人。
她认为，当前提升数字素养的主流努力，主要集中在技能训练上，但决策者不应忽视人们对快速数字化所带来的主观幸福感和社会影响的真实担忧。
本文译自 taylorandfrancisgroup，由 BALI 编辑发布。https://jandan.net/p/121721
Anthropic公司最近干了一件挺事，他们把研究对象对准了自己，调查了132位公司内部工程师和研究人员，做了53次深度访谈。
目的就是为了想搞清楚一个问题：AI到底是怎么改变他们自己工作的？
这个视角很特别。
因为他们的今天，可能就是很多行业的明天。
这份报告读完，我感受到的不是恐慌，而是一种很复杂的情绪。
从数据上来看，一年前，这些工程师在日常工作中使用Claude的比例是28%，觉得效率提升了20%左右。
现在，使用比例到了59%，效率提升感知涨到了50%。
相当于一年时间，两个指标都翻了一倍多。
但有趣的是效率提升的具体表现。
你以为是同样的活儿干得更快了对吧？不完全是。
调查发现，在各类任务上，时间节省其实没那么夸张，但产出量的增加非常明显。
而且27%的Claude辅助工作，是那些一直想做但优先级不够高的事情。
比如给代码写更完善的文档，比如做一些提升工作体验的小工具，比如重构那些虽然能跑但结构很烂的代码。
但人人都在变成全栈，代价是什么？
一个后端工程师描述了他用Claude做UI的经历。
他说设计师看到成品的时候惊了，问他这是你做的？
他回答说不是，是Claude做的，我只是指挥了一下。
这听起来很美好，每个人都变成了多面手，原来不敢碰的东西现在敢碰了。
但报告里有一个词让我印象很深：skill atrophy，技能萎缩。
一位工程师说，他以前自己去调试一个难题，虽然花时间，但会顺便读很多文档和代码。
这些东西当时看起来跟问题没关系，但其实你一直在构建对整个系统的理解。
现在Claude直接帮你定位问题了，这种附带学习就没了。
有些困难是学习过程中必须经历的，绕过它你虽然省了时间，但也错过了真正的成长。
这里有一个很微妙的矛盾。
现在的AI还不能完全信任，你需要监督它的输出，尤其是在重要的工作上。
但监督AI的能力，恰恰来自于你自己动手干活积累的经验。
一位安全工程师举了个例子，Claude给出的某个方案看起来很聪明，但他一眼就看出这是那种聪明过头的危险方案，是资深人士才能识别的陷阱。
他说这种判断力，只有做过很多年才有。
如果新人从一开始就依赖AI，他们怎么培养这种判断力？
报告里把这叫做paradox of supervision，监督悖论。
你越用AI，你监督AI的能力可能越弱。但你越不用AI，你的效率又跟不上。
这个困境目前没有标准答案，有些工程师的应对策略是刻意练习。
就算知道Claude能搞定，偶尔也强迫自己不用它，保持手感。
报告的结尾，抛出了一个有意思的视角。
软件工程一直在朝更高抽象层次发展。
最早的程序员要手动管理内存，要写汇编语言，甚至要用物理开关输入指令，后来有了高级语言，很多底层操作自动化了。
一位员工建议想当工程师的人：学会让AI写代码，然后把精力放在更高层面的概念和模式上。
这个建议有道理，但也有人指出，每一次抽象层级的提升都有代价。
当大家都用高级语言之后，大多数程序员就不再深入理解内存管理了。这种丢失的知识，有时候在关键时刻会变成问题。
读完这份报告，我总结了几条对普通人有用的insight：
1、效率提升的红利期是真实的，但那些被省下来的时间，要有意识地投入到AI还做不好的事情上。比如建立人际关系，比如发展判断力，比如理解系统的底层逻辑。
2、刻意保持一些不用AI的练习，因为你需要保持监督AI的能力。
3、重新思考工作的意义。如果你的满足感来自于亲手完成某件事，那要想清楚这种满足感以后从哪里来。如果你的满足感来自于结果和影响力，那AI其实是你的加速器。
4、关注人的连接。技术在让协作变得更高效的同时，也在稀释那些低效但有温度的交流。这部分不会自动补回来，需要你主动去维护。
Anthropic这份报告的价值不在于给出答案，而在于它呈现了一种真实的复杂性。
这群站在AI前沿的人，他们既兴奋又焦虑，既享受效率又担心失去什么。他们没有确定的未来图景，只有一种共识：要保持适应能力。
https://web.okjike.com/u/9ca2b1fd-086e-4fbe-a1f8-b641f8f4b9d1/post/6937c2d9b756b2fd2ad2a853
目的就是为了想搞清楚一个问题：AI到底是怎么改变他们自己工作的？
这个视角很特别。
因为他们的今天，可能就是很多行业的明天。
这份报告读完，我感受到的不是恐慌，而是一种很复杂的情绪。
从数据上来看，一年前，这些工程师在日常工作中使用Claude的比例是28%，觉得效率提升了20%左右。
现在，使用比例到了59%，效率提升感知涨到了50%。
相当于一年时间，两个指标都翻了一倍多。
但有趣的是效率提升的具体表现。
你以为是同样的活儿干得更快了对吧？不完全是。
调查发现，在各类任务上，时间节省其实没那么夸张，但产出量的增加非常明显。
而且27%的Claude辅助工作，是那些一直想做但优先级不够高的事情。
比如给代码写更完善的文档，比如做一些提升工作体验的小工具，比如重构那些虽然能跑但结构很烂的代码。
但人人都在变成全栈，代价是什么？
一个后端工程师描述了他用Claude做UI的经历。
他说设计师看到成品的时候惊了，问他这是你做的？
他回答说不是，是Claude做的，我只是指挥了一下。
这听起来很美好，每个人都变成了多面手，原来不敢碰的东西现在敢碰了。
但报告里有一个词让我印象很深：skill atrophy，技能萎缩。
一位工程师说，他以前自己去调试一个难题，虽然花时间，但会顺便读很多文档和代码。
这些东西当时看起来跟问题没关系，但其实你一直在构建对整个系统的理解。
现在Claude直接帮你定位问题了，这种附带学习就没了。
有些困难是学习过程中必须经历的，绕过它你虽然省了时间，但也错过了真正的成长。
这里有一个很微妙的矛盾。
现在的AI还不能完全信任，你需要监督它的输出，尤其是在重要的工作上。
但监督AI的能力，恰恰来自于你自己动手干活积累的经验。
一位安全工程师举了个例子，Claude给出的某个方案看起来很聪明，但他一眼就看出这是那种聪明过头的危险方案，是资深人士才能识别的陷阱。
他说这种判断力，只有做过很多年才有。
如果新人从一开始就依赖AI，他们怎么培养这种判断力？
报告里把这叫做paradox of supervision，监督悖论。
你越用AI，你监督AI的能力可能越弱。但你越不用AI，你的效率又跟不上。
这个困境目前没有标准答案，有些工程师的应对策略是刻意练习。
就算知道Claude能搞定，偶尔也强迫自己不用它，保持手感。
报告的结尾，抛出了一个有意思的视角。
软件工程一直在朝更高抽象层次发展。
最早的程序员要手动管理内存，要写汇编语言，甚至要用物理开关输入指令，后来有了高级语言，很多底层操作自动化了。
一位员工建议想当工程师的人：学会让AI写代码，然后把精力放在更高层面的概念和模式上。
这个建议有道理，但也有人指出，每一次抽象层级的提升都有代价。
当大家都用高级语言之后，大多数程序员就不再深入理解内存管理了。这种丢失的知识，有时候在关键时刻会变成问题。
读完这份报告，我总结了几条对普通人有用的insight：
1、效率提升的红利期是真实的，但那些被省下来的时间，要有意识地投入到AI还做不好的事情上。比如建立人际关系，比如发展判断力，比如理解系统的底层逻辑。
2、刻意保持一些不用AI的练习，因为你需要保持监督AI的能力。
3、重新思考工作的意义。如果你的满足感来自于亲手完成某件事，那要想清楚这种满足感以后从哪里来。如果你的满足感来自于结果和影响力，那AI其实是你的加速器。
4、关注人的连接。技术在让协作变得更高效的同时，也在稀释那些低效但有温度的交流。这部分不会自动补回来，需要你主动去维护。
Anthropic这份报告的价值不在于给出答案，而在于它呈现了一种真实的复杂性。
这群站在AI前沿的人，他们既兴奋又焦虑，既享受效率又担心失去什么。他们没有确定的未来图景，只有一种共识：要保持适应能力。
https://web.okjike.com/u/9ca2b1fd-086e-4fbe-a1f8-b641f8f4b9d1/post/6937c2d9b756b2fd2ad2a853
