Liever steun zoeken bij een chatbot dan bij een mens? – Jongeren over artificiële intelligentie als mentale steun
Waar we vroeger onze grootste geheimen enkel aan onze beste vriend toevertrouwden, waar ons beste advies vroeger aan onze ouders gevraagd werd, en waar psychologische hulp vroeger werd voorafgegaan aan praktische drempels en lange wachtlijsten, lijken generatieve artificiële intelligentie-chatbots (AI-chatbots) een nieuw tijdperk in te leiden. Maar is deze AI-gebaseerde mentale steun wel evenwaardig aan menselijke steun, en waarom maken jongeren er steeds vaker gebruik van?
Tegen deze achtergrond werden interviews afgenomen bij dertien jongeren tussen de 12 en 25 jaar over hun ervaringen met AI-chatbots als ondersteuning voor hun mentale welzijn. De resultaten van dit onderzoek leiden tot een opvallende bevinding: jongeren waarderen chatbots niet noodzakelijk omdat ze menselijke steun goed kunnen nabootsen, maar juist omwille van hun artificieel karakter.
Niet ondanks, maar dankzij artificiële intelligentie
Wanneer we nadenken over AI in de geestelijke gezondheidszorg, stellen we vaak dezelfde vraag: hoe goed kan een chatbot een menselijke hulpverlener vervangen of aanvullen? Deze vergelijking tussen AI-gebaseerde en mens-gebaseerde steun leek voor de respondenten weinig relevant.
Chatbots boden hen namelijk iets wat menselijke ondersteuning moeilijker kan bieden. Zo zijn chatbots onder andere onmiddellijk beschikbaar, waardoor gebruikers in the heat of the moment ondersteuning kunnen zoeken bij het omgaan met hun emoties. Daarnaast hoeft men niemand te bellen, hoeft men geen afspraak te maken en hoeft men daardoor niemand te storen.
Hierbovenop leek de discretie en het niet-oordelende karakter van de chatbot een belangrijke rol te spelen. Een chatbot kent je vrienden niet, ontmoet je ouders niet en komt je de volgende dag niet tegen op school. Voor sommige jongeren maakte juist die sociale afstand het makkelijker om zich open te stellen.
Daar kwam nog iets bij: controle. Wie met een chatbot praat, bepaalt zelf hoeveel informatie hij of zij deelt. Ook het antwoord van de chatbot kan aangepast of verfijnd worden. Hierdoor zou je minder vaak te maken krijgen met ongewenste of ongepaste reacties dan bij menselijke interacties.
De aantrekkingskracht van AI lijkt dus niet hoofdzakelijk te liggen in het feit dat chatbots steeds menselijker zouden worden. Respondenten leken zich in sommige gevallen tot chatbots te wenden, niet ondanks hun artificiële aard, maar juist daarom: om bepaalde menselijke kenmerken net te vermijden.
Maar daar ligt ook de grens
Dat betekent niet dat jongeren menselijke hulpverlening overbodig vinden. Integendeel. De meerwaarde van een chatbot leek vooral aanwezig bij lichte en kortdurende mentale ondersteuningsnoden. Wanneer de problemen langduriger of ernstiger werden, werd menselijke hulp als geschikter ervaren. In zulke situaties stoten chatbots volgens de respondenten tegen de grenzen van de hulp die ze kunnen aanbieden.
Menselijke hulp werd dan ook gekenmerkt door een aantal onvervangbare kenmerken. Zo kan een mens fysiek aanwezig zijn, échte menselijke empathie tonen, kan die de volledige context van iemands leven meenemen, en durft een mens tegen te spreken in plaats van alles te bevestigen, terwijl chatbots meer een meegaande toon zouden hanteren.
Geen digitale psycholoog, maar een nieuwe vorm van steun
Deze resultaten betekenen echter niet dat AI geen plaats heeft binnen de geestelijke gezondheidszorg. Chatbots kunnen volgens deze bevindingen wel degelijk waardevolle mentale steun bieden, zolang die rol niet wordt verward met die van menselijke hulpverlening.
Het belangrijkste inzicht van deze masterproef is daarom dat chatbotondersteuning een fundamenteel andere vorm van steun biedt dan menselijke hulp en bijgevolg ook aan andere ondersteuningsnoden tegemoetkomt. Voor sommige respondenten was deze alternatieve vorm van steun soms voldoende: bijkomende menselijke ondersteuning werd door hen op die momenten als onnodig ervaren.
Deze dubbele behoefte: enerzijds de nood aan menselijke ondersteuning vanwege haar onvervangbare menselijke kenmerken, en anderzijds de nood aan een actor die zich juist van de mens onderscheidt, wordt in deze masterproef beschreven als de nood aan (begrensde) menselijkheid. Deze bevinding geeft dan ook vorm aan een aantal beleids- en praktijkaanbevelingen. Zo wordt er onder andere gepleit voor AI-disclaimers en voorzichtigheid ten aanzien van een te verregaande vermenselijking van AI-systemen.
Misschien stellen we ons de verkeerde vraag
De meerwaarde van AI hoeft daarom immers niet te worden gezocht in een zo perfect mogelijke imitatie van menselijke hulp, maar wordt volgens deze masterproef net gevonden in wat AI kan bieden zonder menselijke kenmerken na te bootsen. We stellen ons vandaag nog te vaak de vraag of AI een psycholoog of vriend kan vervangen. Dit onderzoek suggereert dat we die vraag beter kunnen omdraaien.
Misschien moeten we niet alleen kijken naar wat een chatbot kan doen wat een mens ook kan, maar moeten we vooral kijken naar wat een chatbot kan bieden juist omdat het geen mens is. Voor de bevraagde jongeren kon deze artificiële afstand soms een kracht zijn. Een chatbot is onmiddellijk beschikbaar, discreet, niet-oordelend en controleerbaar. Voor andere noden blijft menselijke aanwezigheid weliswaar onmisbaar.
Kortom, AI hoeft geen digitale psycholoog te worden om waardevol te zijn. Misschien ligt de grootste meerwaarde van chatbots net in het erkennen van hun verschil met de mens: niet als vervanging van menselijke hulp, maar als een fundamenteel nieuwe actor binnen het gezondheidszorgsysteem.
Bibliografie
Adeoye‐Olatunde, O. A., & Olenik, N. L. (2021). Research and scholarly methods: Semi‐structured interviews. Journal of the American College of Clinical Pharmacy, 4(10), 1358–1367. https://doi.org/10.1002/jac5.1441
Alanezi, F. (2024). Assessing the effectiveness of ChatGPT in delivering mental health support: A qualitative study. Journal of Multidisciplinary Healthcare, 17, 461–471. https://doi.org/10.2147/jmdh.s447368
American Psychological Association [APA]. (2025). APA Health Advisory on the use of generative AI chatbots and wellness applications for mental health. https://www.apa.org/topics/artificial-intelligence-machine-learning/health-advisory-ai-chatbots-wellness-apps-mental-health.pdf
Arthur, S., & Nazroo, J. (2003). Designing fieldwork strategies and materials. In J. Ritchie & J. Lewis (Eds.), Qualitative research practice: A guide for social science students and researchers (pp. 110–133). Sage Publications Ltd. https://share.google/eVPYGG22ayGby2bXi
Aziz, A., & Khan, N. (2020). The potential uses of pilot study in qualitative research. Journal of Research & Reviews in Social Sciences Pakistan, 3, 750–767. https://www.researchgate.net/profile/Ayesha-Aziz/publication/357203566_THE_POTENTIAL_USES_OF_PILOT_STUDY_IN_QUALITATIVE_RESEARCH/links/61c16d63a6251b553ad319d3/THE-POTENTIAL-USES-OF-PILOT-STUDY-IN-QUALITATIVE-RESEARCH.pdf
Berger, R. (2013). Now I see it, now I don’t: Researcher’s position and reflexivity in qualitative research. Qualitative Research, 15(2), 219–234. https://doi.org/10.1177/1468794112468475
Bhat, R., Kowshik, S., Suresh, S., Alamelu, G., Gite, S., & Albattat, A. (2025). Digital companionship or psychological risk? The role of AI characters in shaping youth mental health. Asian Journal of Psychiatry, 104, 104356. https://doi.org/10.1016/j.ajp.2024.104356
Blumer, H. (1954). What is wrong with social theory? American Sociological Review, 19(1), 3. https://doi.org/10.2307/2088165
Boucher, E. M., Harake, N. R., Ward, H. E., Stoeckl, S. E., Vargas, J., Minkel, J., Parks, A. C., & Zilca, R. (2021). Artificially intelligent chatbots in digital mental health interventions: A review. Expert Review of Medical Devices, 18(sup1), 37–49. https://doi.org/10.1080/17434440.2021.2013200
Brandtzæg, P. B., Skjuve, M., Dysthe, K. K., & Følstad, A. (2021). When the social becomes non-human: Young people's perception of social support in chatbots. In Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems (Article 257, pp. 1–13). Association for Computing Machinery. https://doi.org/10.1145/3411764.3445318
Brandtzaeg, P. B., Skjuve, M., & Følstad, A. (2022). My AI friend: How users of a social chatbot understand their human–AI friendship. Human Communication Research, 48(3), 404–429. https://doi.org/10.1093/hcr/hqac008
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Braun, V., & Clarke, V. (2020). One size fits all? What counts as quality practice in (reflexive) thematic analysis? Qualitative Research in Psychology, 18(3), 328–352. https://doi.org/10.1080/14780887.2020.1769238
Brink, P. J., & Wood, M. J. (1998). Advanced design in nursing research (2nd ed.). SAGE Publications.
Brook, B., & Santos, T. (2023). The temptation of instant gratification: A double-edged sword. Journal of Addiction Research & Therapy, 14, 564. https://doi.org/10.4172/2155-6105.1000564
Brown, J. E., & Halpern, J. (2021). AI chatbots cannot replace human interactions in the pursuit of more inclusive mental healthcare. SSM - Mental Health, 1, 100017. https://doi.org/10.1016/j.ssmmh.2021.100017
Carbonell, Á., Navarro‐Pérez, J., & Mestre, M. (2020). Challenges and barriers in mental healthcare systems and their impact on the family: A systematic integrative review. Health & Social Care in the Community, 28(5), 1366–1379. https://doi.org/10.1111/hsc.12968
Casu, M., Triscari, S., Battiato, S., Guarnera, L., & Caponnetto, P. (2024). AI Chatbots for mental health: A scoping review of effectiveness, feasibility, and applications. Applied Sciences, 14(13), 5889. https://doi.org/10.3390/app14135889
Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D. (2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science, 391(6792), eaec8352. https://doi.org/10.1126/science.aec8352
Creswell, J. W. (2007). Qualitative inquiry and research design: Choosing among five approaches (2nd ed.). Sage Publications. https://share.google/UljUBwBk0GotsU25L
Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). SAGE Publications. https://share.google/ZFLggxilZunAuba9t
Dataiku. (2025, 25 juli). What is a large language model? https://www.dataiku.com/stories/detail/what-is-a-large-language-model/
De Donder, L. (2025). Denkkaders en theorieën ten grondslag van participatief onderzoek: Wetenschapsfilosofische grondslagen van sociaal onderzoek: Drie paradigma's, drie onderzoeksbenaderingen. In L. De Donder, L. Degrave, B. Dikmans, & S. Marynissen (Eds.), Samen op (onder)zoek: Participatieve methodieken voor geëngageerde onderzoekers en praktijkwerkers (pp. 3–10). Vrije Universiteit Brussel. https://www.samenoponderzoek.be/
Dresp-Langley, B. (2023). From reward to anhedonia-dopamine function in the global mental health context. Biomedicines, 11(9), 2469. https://doi.org/10.3390/biomedicines11092469
Dwyer, S. C., & Buckle, J. L. (2009). The space between: On being an insider-outsider in qualitative research. International Journal of Qualitative Methods, 8(1), 54–63. https://doi.org/10.1177/160940690900800105
eClinicalMedicine. (2026). The risks of AI-generated health advice. eClinicalMedicine, 93. https://doi.org/10.1016/j.eclinm.2026.103851
Elyoseph, Z., Hadar-Shoval, D., Asraf, K., & Lvovsky, M. (2023). ChatGPT outperforms humans in emotional awareness evaluations. Frontiers in Psychology, 14, 1199058. https://doi.org/10.3389/fpsyg.2023.1199058
Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886. https://doi.org/10.1037/0033-295x.114.4.864
Erfanian, F., Roudsari, R. L., Heydari, A., & Bahmani, M. N. D. (2020). A narrative on the use of vignette: Its advantages and drawbacks. Journal of Midwifery and Reproductive Health, 8(2), 2134–2145. https://doi.org/10.22038/jmrh.2020.41650.1472
Eshghie, M., & Eshghie, M. (2023). ChatGPT as a therapist assistant: A suitability study [Preprint]. arXiv. https://doi.org/10.48550/arxiv.2304.09873
Feroz, A., Abrejo, F., Ali, S. A., Nuruddin, R., & Saleem, S. (2019). Using mobile phones to improve young people’s sexual and reproductive health in low- and middle-income countries: A systematic review protocol to identify barriers, facilitators and reported interventions. Systematic Reviews, 8(1). https://doi.org/10.1186/s13643-019-1033-5
Fitch, M. I. (2024). Editorial: Reproductive health and mental health in LMICs: Adolescent health. Frontiers in Reproductive Health, 6. https://doi.org/10.3389/frph.2024.1383170
Galagali, P. M., & Brooks, M. J. (2020). Psychological care in low-resource settings for adolescents. Clinical Child Psychology and Psychiatry, 25(3), 698–711. https://doi.org/10.1177/1359104520929741
Galderisi, S. (2024). The need for a consensual definition of mental health. World Psychiatry, 23(1), 52–53. https://doi.org/10.1002/wps.21150
Galderisi, S., Heinz, A., Kastrup, M., Beezhold, J., & Sartorius, N. (2015). Toward a new definition of mental health. World Psychiatry, 14(2), 231–233. https://doi.org/10.1002/wps.20231
Golzar, J., Noor, S., & Tajik, O. (2022). Convenience sampling. International Journal of Education & Language Studies, 1(2), 72–77. https://doi.org/10.22034/ijels.2022.162981
Guss, R., Middleton, J., Slade, L., Bone, A., & Caryer, F. (2022). A guide to psychosocial interventions in early stages of dementia (2nd ed.). The British Psychological Society. https://doi.org/10.53841/bpsrep.2014.rep101c
Habicht, J., Viswanathan, S., Carrington, B., Hauser, T. U., Harper, R., & Rollwage, M. (2024). Closing the accessibility gap to mental health treatment with a personalized self-referral chatbot. Nature Medicine, 30(2), 595–602. https://doi.org/10.1038/s41591-023-02766-x
Haque, M. D. R., & Rubya, S. (2023). An overview of chatbot-based mobile mental health apps: Insights from app description and user reviews. JMIR Mhealth Uhealth, 11, e44838. https://doi.org/10.2196/44838
Ho, A., Hancock, J., & Miner, A. S. (2018). Psychological, relational, and emotional effects of self-disclosure after conversations with a chatbot. Journal of Communication, 68(4), 712–733. https://doi.org/10.1093/joc/jqy026
Hua, Y., Siddals, S., Ma, Z., Galatzer‐Levy, I., Xia, W., Hau, C., Na, H., Flathers, M., Linardon, J., Ayubcha, C., & Torous, J. (2025). Charting the evolution of artificial intelligence mental health chatbots from rule‐based systems to large language models: A systematic review. World Psychiatry, 24(3), 383–394. https://doi.org/10.1002/wps.21352
Karatsareas, P. (2022). Semi-structured interviews. In R. Kircher & L. Zipp (Eds.), Research methods in language attitudes (pp. 99–102). Cambridge University Press. https://doi.org/10.1017/9781108867788
Keyes, C. L. M. (2002). The mental health continuum: From languishing to flourishing in life. Journal of Health and Social Behavior, 43(2), 207. https://doi.org/10.2307/3090197
Khawaja, Z., & Bélisle-Pipon, J. (2023). Your robot therapist is not your therapist: Understanding the role of AI-powered mental health chatbots. Frontiers in Digital Health, 5, 1278186. https://doi.org/10.3389/fdgth.2023.1278186
Kilbourne, A. M., Beck, K., Spaeth‐Rublee, B., Ramanuj, P., O’Brien, R. W., Tomoyasu, N., & Pincus, H. A. (2018). Measuring and improving the quality of mental health care: A global perspective. World Psychiatry, 17(1), 30–38. https://doi.org/10.1002/wps.20482
Kim, J., Kim, Y., Kim, B., Yun, S., Kim, M., & Lee, J. (2018). Can a machine tend to teenagers' emotional needs? A study with conversational agents. In Extended Abstracts of the 2018 CHI Conference on Human Factors in Computing Systems (Paper LBW018, pp. 1–6). Association for Computing Machinery. https://doi.org/10.1145/3170427.3188548
Kostka, G., & Zhou, H. (2026). Emotional attachment to AI chatbots: Evidence from Germany, China, South Africa, and the United States. Technology in Society, 87, 103379. https://doi.org/10.1016/j.techsoc.2026.103379
Kretzschmar, K., Tyroll, H., Pavarini, G., Manzini, A., & Singh, I. (2019). Can your phone be your therapist? Young people’s ethical perspectives on the use of fully automated conversational agents (chatbots) in mental health support. Biomedical Informatics Insights, 11. https://doi.org/10.1177/1178222619829083
Kvale, S., & Brinkmann, S. (2009). Interviews: Learning the craft of qualitative research interviewing (2nd ed.). SAGE Publications.
Laestadius, L., Bishop, A., Gonzalez, M., Illenčík, D., & Campos-Castillo, C. (2022). Too human and not human enough: A grounded theory analysis of mental health harms from emotional dependence on the social chatbot Replika. New Media & Society, 26(10), 5923–5941. https://doi.org/10.1177/14614448221142007
Legard, R., Keegan, J., & Ward, K. (2003). In-depth interviews. In J. Ritchie & J. Lewis (Eds.), Qualitative research practice: A guide for social science students and researchers (pp. 139–169). SAGE Publications. https://share.google/eVPYGG22ayGby2bXi
Lewis, J. (2003). Design issues. In J. Ritchie & J. Lewis (Eds.), Qualitative research practice: A guide for social science students and researchers (pp. 49–76). SAGE Publications. https://share.google/eVPYGG22ayGby2bXi
Li, J., Li, Y., Hu, Y., Ma, D. C. F., Mei, X., Chan, E. A., & Yorke, J. (2025). Chatbot-delivered interventions for improving mental health among young people: A systematic review and meta-analysis. Worldviews on Evidence-Based Nursing, 22(4), e70059. https://doi.org/10.1111/wvn.70059
Luo, X., Ghosh, S., Tilley, J. L., Besada, P., Wang, J., & Xiang, Y. (2025). “Shaping ChatGPT into my digital therapist”: A thematic analysis of social media discourse on using generative artificial intelligence for mental health. Digital Health, 11. https://doi.org/10.1177/20552076251351088
Malouin-Lachance, A., Capolupo, J., Laplante, C., & Hudon, A. (2025). Does the digital therapeutic alliance exist? Integrative review. JMIR Mental Health, 12, e69294. https://doi.org/10.2196/69294
Martin, É., Bergeron, D., & Gaboury, I. (2024). The use of vignettes to improve the validity of qualitative interviews for realist evaluation. Qualitative Health Research, 35(3), 267–274.
https://doi.org/10.1177/10497323241237411
Martinengo, L., Lum, E., & Car, J. (2022). Evaluation of chatbot-delivered interventions for self-management of depression: Content analysis. Journal of Affective Disorders, 319, 598–607. https://doi.org/10.1016/j.jad.2022.09.028
Meldahl, L. G., Krijger, L., Andvik, M. M., Cardenas, N. E., Cuddeford, O., Duerto, S., Game, J. R., Ibenfeldt, M., Mustafa, M., Tong, M., & Viksveen, P. (2022). Characteristics of the ideal healthcare services to meet adolescents’ mental health needs: A qualitative study of adolescents’ perspectives. Health Expectations, 25(6), 2924–2936. https://doi.org/10.1111/hex.13600
Nyakhar, S., & Wang, H. (2025). Effectiveness of artificial intelligence chatbots on mental health & well-being in college students: A rapid systematic review. Frontiers in Psychiatry, 16, 1621768. https://doi.org/10.3389/fpsyt.2025.1621768
O’Shea, L., Watkins, E., & Farrand, P. (2017). Psychological interventions for the treatment of depression, anxiety, alcohol misuse or anger in armed forces veterans and their families: Systematic review and meta-analysis protocol. Systematic Reviews, 6(1). https://doi.org/10.1186/s13643-017-0513-8
Pattyn, E., Verhaeghe, M., Sercu, C., & Bracke, P. (2013). Public stigma and self-stigma: Differential association with attitudes toward formal and informal help seeking. Psychiatric Services, 65(2), 232–238. https://doi.org/10.1176/appi.ps.201200561
Pulla, V., & Carter, E. (2018). Employing interpretivism in social work research. International Journal of Social Work and Human Services Practice, 6(1), 9-14. https://doi.org/10.13189/ijrh.2018.060102
Racine, N., McArthur, B. A., Cooke, J. E., Eirich, R., Zhu, J., & Madigan, S. (2021). Global prevalence of depressive and anxiety symptoms in children and adolescents during COVID-19. JAMA Pediatrics, 175(11), 1142. https://doi.org/10.1001/jamapediatrics.2021.2482
Ritchie, J., Lewis, J., & Elam, G. (2003). Designing and selecting samples. In J. Ritchie & J. Lewis (Eds.), Qualitative research practice: A guide for social science students and researchers (pp. 77–108). SAGE Publications. https://share.google/eVPYGG22ayGby2bXi
Saeidnia, H. R., Fotami, S. G. H., Lund, B., & Ghiasi, N. (2024). Ethical considerations in artificial intelligence interventions for mental health and well-being: Ensuring responsible implementation and impact. Social Sciences, 13(7), 381. https://doi.org/10.3390/socsci13070381
Saldaña, J. (2013). The coding manual for qualitative researchers (2nd ed.). SAGE Publications. https://share.google/Ne8vvNE90QXutQQLU
Sharif, L., Almabadi, R., Alahmari, A., Alqurashi, F., Alsahafi, F., Qusti, S., Akash, W., Mahsoon, A., Poudel, D. B., Sharif, K., & Wright, R. (2025). Perceptions of mental health professionals towards artificial intelligence in mental healthcare: A cross-sectional study. Frontiers in Psychiatry, 16. https://doi.org/10.3389/fpsyt.2025.1601456
Siddals, S., Torous, J., & Coxon, A. (2024). “It happened to be the perfect thing”: Experiences of generative AI chatbots for mental health. npj Mental Health Research, 3(1). https://doi.org/10.1038/s44184-024-00097-4
Singh, M., Kaur, M., Kaur, M., & Singh, M. (2025). Chatbots in the AI era: Advancements, applications, and ethical challenges. International Journal of Research Publication and Reviews, 6(8), 2904–2912. https://doi.org/10.55248/gengpi.6.0825.3042
Singh, O. P. (2023). Artificial intelligence in the era of ChatGPT - Opportunities and challenges in mental health care. Indian Journal of Psychiatry, 65(3), 297–298. https://doi.org/10.4103/indianjpsychiatry.indianjpsychiatry_112_23
Skjuve, M., Følstad, A., & Brandtzæg, P. B. (2023). A longitudinal study of self-disclosure in human–chatbot relationships. Interacting With Computers, 35(1), 24–39. https://doi.org/10.1093/iwc/iwad022
Skjuve, M., Følstad, A., Fostervold, K. I., & Brandtzaeg, P. B. (2022). A longitudinal study of human–chatbot relationships. International Journal of Human-Computer Studies, 168, 102903. https://doi.org/10.1016/j.ijhcs.2022.102903
Storey, V. C., Yue, W. T., Zhao, J. L., & Lukyanenko, R. (2025). Generative artificial intelligence: Evolving technology, growing societal impact, and opportunities for information systems research [Preprint]. arXiv. https://doi.org/10.48550/arxiv.2503.05770
Swaraj, A. (2019). Exploratory research: Purpose and process. Parisheelan, 15(2), 666–670. https://www.academia.edu/106365830/Exploratory_Research_Purpose_And_Process
Van Kelecom, E. (2023). Welbevinden en mentale gezondheid. In S. Lagaert, S. Pleysier, J. Put, J. Siongers, B. Spruyt, & L. Bradt (Eds.), Jongeren in cijfers en letters 5: Bevindingen uit de JOP-monitor 2023 (pp. 45–84). Owl Press. https://jeugdonderzoeksplatform.be/project/jongeren-in-cijfers-en-letters-5-bevindingen-uit-de-jop-monitor-2023/
Van Kelecom, E., & Houtmeyers, I. (2024). Facts and figures: Welbevinden. Jeugdonderzoeksplatform. https://share.google/2FBHRGd2VPQRExIEz
Vrije Universiteit Brussel [VUB], Universiteit Antwerpen [UA], Universiteit Gent [UGent], & Katholieke Universiteit Leuven [KU Leuven]. (2016). Methodegids voor onderzoek bij kinderen en jongeren: Een onderzoeksrapport in het kader van het AdLit SBO project.
World Health Organization [WHO]. (1946). Constitution of the World Health Organization. American Journal of Public Health and the Nations Health, 36(11), 1315–1323. https://doi.org/10.2105/ajph.36.11.1315
World Health Organization [WHO]. (2007). Everybody’s business: Strengthening health systems to improve health outcomes: WHO’s framework for action. https://www.who.int/publications/i/item/everybody-s-business----strengthening-health-systems-to-improve-health-outcomes
World Health Organization [WHO]. (2022). World mental health report: Transforming mental health for all. https://www.who.int/publications/i/item/9789240049338
World Health Organization [WHO]. (2025, 2 september). World mental health today: latest data. https://www.who.int/publications/i/item/9789240113817
Xu, Z., Lee, Y., Stasiak, K., Warren, J., & Lottridge, D. (2025). The digital therapeutic Aalliance with mental health chatbots: Diary study and thematic analysis. JMIR Mental Health, 12, e76642. https://doi.org/10.2196/76642
Yan, X., Xiao, Y., & Jin, Y. (2024). Generative large language models explained [AI-eXplained]. IEEE Computational Intelligence Magazine, 19(4), 45–46. https://doi.org/10.1109/mci.2024.3431454
Yankouskaya, A., Liebherr, M., & Ali, R. (2025). Can ChatGPT be addictive? A call to examine the shift from support to dependence in AI conversational large language models. Human-Centric Intelligent Systems, 5(1), 77–89. https://doi.org/10.1007/s44230-025-00090-w
Yin, Y., Jia, N., & Wakslak, C. J. (2024). AI can help people feel heard, but an AI label diminishes this impact. Proceedings of the National Academy of Sciences, 121(14). https://doi.org/10.1073/pnas.2319112121
Young, J., Jawara, L. M., Nguyen, D. N., Daly, B., Huh-Yoo, J., & Razi, A. (2024). The role of AI in peer support for young people: A study of preferences for human- and AI-generated responses. In Proceedings of the CHI Conference on Human Factors in Computing Systems (Article 1006, pp. 1–18). Association for Computing Machinery. https://doi.org/10.1145/3613904.3642574
Zhang, Z., & Wang, J. (2024). Can AI replace psychotherapists? Exploring the future of mental health care. Frontiers in Psychiatry, 15. https://doi.org/10.3389/fpsyt.2024.1444382
