2026-09-15 碩論文獻分析：資料科學視角

主題一：AI 代理人影響

本日納入 2 篇：ASTELD 以六軸框架比較代理人平台並深入分析 OpenClaw；另一篇以 1,250 份工作訪談辨識生成式 AI 造成的五種「投入不透明」機制。

方法涵蓋可操作的六軸平台分類與大規模訪談文本分析；主要缺口是缺真人對照實驗、縱向行為日誌及心理量表，現有證據不能直接證明生活改善、效率增幅、焦慮、成癮或停用反應。

1. 代理人架構與任務績效：以 60 名學生進行 Hermes／OpenClaw 受試者內交叉實驗，用混合效應模型分析任務時間、正確率與錯誤。

2. AI 投入不透明度分類：蒐集約 300 則去識別工作日誌，依五類機制雙人標註並訓練 NLP 分類器，報告一致性與 F1。

3. 代理人停用交叉實驗：以 40–60 人完成有／無代理人兩期任務，比較效率、錯誤率、焦慮與依賴變化。

呂明頴副教授（商業智慧、人工智慧、資料探勘、行為分析）、吳政隆教授（文字探勘、文本情感分析、自然語言處理）、蘇明祥副教授（自然語言處理、口語對話系統、情緒與人格感知）。

本日納入 2 篇：一篇以 160 份四國藥物安全警示建立危害訊息的內容分析基準；另一篇由臨床專家評估 ChatGPT 回答 55 題食道癌問題，完整正確 24 題、正確但不完整 13 題、部分錯誤 18 題。

方法為跨國文件內容分析與專家基準評分，具可重現題庫與編碼潛力；缺一般使用者行為實驗、問題性使用量表、縱向日誌及多模型版本控制，因此不能回答固定使用門檻或真實有害內容抗拒度。

1. 錯誤答案查覺與信任校準：招募 80–120 名學生評估四種聊天模型的醫療回答，以混合效應 logistic regression 分析查錯率、校準誤差與模型差異。

2. 有害建議拒絕介入：採 2×2 隨機實驗操弄建議風險及警示，評估拒絕、查證、採納及介入效果量。

3. 使用日誌與問題性使用聯合模型：蒐集 14–30 天行為日誌與 EMA，以多層次模型檢驗夜間使用、總時數及功能受損的關聯。

丁德天副教授（精神流行病學、物質濫用、青少年健康）、鄭江宇副教授（行動裝置 UX 設計與實驗、巨量資料分析與行銷應用）、蘇明祥副教授（自然語言處理、口語對話系統）。

1. 方法論：平台分類與訪談內容分析可描述特徵，卻不能證明代理人造成效率、焦慮或依賴；因果主張需交叉實驗或縱向資料。

2. 量測：高頻使用、功能受損、強制性使用與臨床成癮不可互換；總時數也可能只是工作需求。

3. 倫理：對話日誌可能含健康與第三人敏感資料，有害回答實驗也可能改變參與者決策；須先經倫理審查、最小化蒐集、去識別化並提供事後說明。

平台屬性、模型、日期、系統提示、溫度與完整題庫均須版本化保存；真人研究須取得知情同意並完成倫理審查，日誌只保留必要欄位，不蒐集帳密或第三人資料，預先註冊排除規則與分析流程。

1. 方法論爭議：平台分類與訪談內容分析能描述代理人特徵及工作不透明，卻不能證明代理人造成效率、焦慮或依賴；若要做因果主張，需交叉實驗或縱向資料。

2. 量測爭議：高頻使用、功能受損、強制性使用與臨床成癮不可互換；總時數可能只是工作需求，應同時量測失控、後果與停用反應。

3. 倫理爭議：對話日誌可能含健康與第三人敏感資料，有害回答實驗也可能影響參與者決策；須先經倫理審查、去識別化、最小化蒐集並提供事後說明與求助資訊。