2026-09-18 碩論文獻分析（資料科學視角）
主題一：AI 代理人影響（2 篇）
1. Augmenting Security and Privacy in the Virtual Realm: An Analysis of Extended Reality Devices
- 作者／年份： Derin Cayir、Abbas Acar、Riccardo Lazzeretti、Marco Angelini、Mauro Conti、Selcuk Uluagac（2024）
- 來源： https://arxiv.org/abs/2402.03114v1
- 摘要： 本文以裝置為中心整理延展實境裝置的安全、隱私攻擊與防禦。它不是 AI 代理人使用者實驗，只能為會存取感測器與個人資料的代理人提供間接風險框架。
- 六維度： 未直接量測生活協助、工作效率、健康、成癮、焦慮或停用影響。
- 與指定產品關聯： 間接外推至連接穿戴式或延展實境感測資料的 Hermes Agent、OpenClaw、Grok Bot；本文未測試這些產品。
- 資料科學方法： 裝置中心的威脅、防禦及設計考量分析；可得摘要未顯示使用者實驗或統計推論。
- 資料： 既有攻擊、防禦與裝置情境；摘要未報樣本規模或公開資料集。
- 指標： 摘要未列定量指標；後續可量測攻擊成功率、敏感資料暴露率、權限違反率及人工攔截率。
- 碩論借鑑： 建立代理人隱私風險基準，比較不同權限設定下的敏感資料暴露率與任務成功率。
2. The Artificial Scientist: Logicist, Emergentist, and Universalist Approaches to Artificial General Intelligence
- 作者／年份： Michael Timothy Bennett、Yoshihiro Maruyama（2021）
- 來源： https://arxiv.org/abs/2110.01831v1
- 摘要： 本文比較建構人工科學家的多種通用人工智慧途徑，屬概念與理論分析，不是代理人對生活、工作或心理影響的實證研究。
- 六維度： 未直接量測生活協助、工作效率、健康、成癮、焦慮或停用影響。
- 與指定產品關聯： 間接外推至 Hermes Agent、OpenClaw、Grok Bot 的多步推理與工具使用能力假設；沒有指定產品評估。
- 資料科學方法： 比較與評估通用人工智慧理論途徑的概念性研究。
- 資料： 無實證樣本或資料集；材料為理論與方法脈絡。
- 指標： 未列量化效能、信效度或效果量。
- 碩論借鑑： 將代理人架構視為自變項，以相同多步任務比較成功率、錯誤類型、成本與人工修正次數。
MoA 綜合
- 方法論地圖： 威脅／防禦分析及通用人工智慧概念比較可形成技術變項與風險指標，但缺少使用者層級資料、對照組、縱向追蹤與因果辨識。
- 可行設計：
1. 代理人輔助任務交叉實驗： 比較有／無代理人的資料查證任務時間、正確率、認知負荷與焦慮評分。
2. 權限最小化與隱私暴露基準： 操弄代理人權限，分析成功率、權限違反、暴露事件及人工攔截率。
3. 四週代理人日誌與福祉追蹤： 以去識別中繼資料、每週量表及混合效果模型分析個人內變化。
- 資料與倫理： 事前檢定力分析；任務採合成資料；日誌只留時間、工具類型、成功與錯誤碼。須知情同意、可撤回、去識別及研究倫理審查。
- 師資對接： 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）、呂明頴副教授（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）。
主題二：聊天成癮與生活強制性（2 篇）
1. Benign-to-Toxic Jailbreaking: Inducing Harmful Responses from Harmless Prompts
- 作者／年份： Hee-Seon Kim、Minbeom Kim、Wonjun Lee、Kihyun Kim、Changick Kim（2025）
- 來源： https://arxiv.org/abs/2505.21556v1
- 摘要： 本文以對抗影像使良性文字條件產生有害輸出，揭露多模態對齊弱點；研究焦點是模型安全，不是使用者對有害內容的抗拒。
- 四維度： 未研究成癮門檻、使用者信任或事實錯誤察覺；直接證據僅限模型端拒害可被破壞，不能外推為使用者抗拒能力。
- 資料科學方法： 最佳化對抗影像，並做方法比較、黑箱轉移及與文字越獄互補性評估。
- 資料： 良性條件、對抗影像與模型輸出；摘要未報提示數、模型數或公開資料規模。
- 指標： 可用攻擊成功率、有害輸出率、拒答率、跨模型轉移率及人工標註一致性；摘要未列具體數值。
- 碩論借鑑： 建立低風險分級刺激集，比較模型拒答與人類使用者的查證或停止互動決策。
2. Investigating Affective Use and Emotional Well-being on ChatGPT
- 作者／年份： Jason Phang、Michael Lampe、Lama Ahmad、Sandhini Agarwal、Cathy Mengying Fang、Auren R. Liu、Valdemar Danry、Eunhae Lee、Samantha W. T. Chan、Pat Pataranutaporn、Pattie Maes（2025）
- 來源： https://arxiv.org/abs/2504.03888v1
- 摘要： 研究以隱私保護方式分析超過三百萬段 ChatGPT 對話、調查超過四千名使用者，並對接近一千名參與者進行二十八天隨機對照試驗。極高使用量與較高自陳依賴指標相關，但沒有可泛化的臨床成癮門檻。
- 四維度： 提供高使用與依賴的關聯；未以信任、答案正確率、錯誤察覺或使用者拒害行為為主要量測。
- 資料科學方法： 平台級隱私保護對話分析、使用者調查及二十八天隨機對照試驗。
- 資料： 超過三百萬段對話、超過四千名受訪者、接近一千名試驗參與者；平台級資料對碩士生取得困難。
- 指標： 情感線索、情緒福祉與自陳依賴指標；摘要未列量表名稱、信效度或效果量。
- 碩論借鑑： 以每日使用時長及訊息數配對每週依賴與福祉量表，用混合效果模型區分個人間與個人內差異。
MoA 綜合
- 方法論地圖： 平台日誌、問卷、二十八天隨機對照試驗與多模態對抗攻擊兼具行為和實驗證據；缺口為成癮構念門檻、跨產品外部效度，以及模型拒害與使用者抗拒間的量測斷裂。
- 可行設計：
1. 四週聊天使用—依賴追蹤： 以每日時長、訊息數與每週量表建立混合效果及滯後模型。
2. 錯誤答案與信心語氣辨識實驗： 操弄答案正誤、語氣及引用，以辨識率、採納率、校準誤差與反應時間建模。
3. 模型拒害 × 使用者抗拒雙層實驗： 比較多模型拒答，再量測知情受試者的查證率與退出率。
- 資料與倫理： 不索取完整對話，優先收集中繼資料並與量表同日對齊；有害刺激須專家審核、分級、事後說明並允許隨時退出。
- 師資對接： 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（口語對話系統、情緒與人格感知）。
跨主題方法論爭議（恰好 3 則）
1. 方法論： 平台日誌、隨機試驗與代理任務基準可補足自陳偏誤；但短期實驗與特定平台樣本仍難推論代理人或聊天工具造成長期成癮、焦慮與生產力改變。
2. 量測： 使用時長、訊息數與任務成功率容易重製；但可能把高頻功能性使用誤標為成癮，也可能把技術成功誤當成福祉改善，必須與功能受損、依賴、錯誤採納及校準指標併用。
3. 倫理： 蒐集對話與代理人操作日誌可提高可重現性；但完整內容可能暴露隱私、健康與心理狀態，有害刺激也可能造成風險，因此應使用去識別中繼資料、分級刺激、可撤回同意與研究倫理審查。
三個爭議點
1. 方法論爭議：支持者認為平台日誌、隨機試驗與代理任務基準可補足自陳偏誤；反方指出短期實驗與特定平台樣本仍難推論代理人或聊天工具會造成長期成癮、焦慮與生產力改變。
2. 量測爭議：使用時長、訊息數與任務成功率容易重製且可跨研究比較；但它們可能把高頻功能性使用誤標為成癮，也可能把技術成功誤當成福祉改善，應與功能受損、依賴、錯誤採納及校準指標併用。
3. 倫理爭議：蒐集對話與代理人操作日誌可提高可重現性並連結模型行為與使用者結果；然而完整內容可能暴露隱私、健康與心理狀態，有害刺激實驗亦可能造成風險，因此應優先使用去識別中繼資料、分級刺激、可撤回同意與研究倫理審查。