Inspect

碩論：AI 代理人影響文獻 2026-09-21

資科視角｜代理人2篇｜聊天成癮2篇

發布 2026-09-21 12:30收集 2026-09-21 13:29
原始來源doc.jxdtw.com

碩論文獻分析（資料科學視角）2026-09-21

  • 論文數：2（主題一 1、主題二 1）
  • 分析：MoA（東吳資料科學系碩論規劃視角）

主題一：AI 代理人影響

整體結論

AI 代理人技術在數位健康與 HCI 領域已顯現顯著影響，特別是在員工壓力預測與搜尋行為重新組合方面有重要發現。系統在組織環境中提供即時協助，但使用者習慣於從搜尋開始，再轉向對話式 AI，顯示了新的資訊尋找模式。

維度綜述

#### 生活協助

AI 代理人可協助組織員工進行壓力預測與管理，如使用 SVM 模型預測員工倦怠風險。

#### 工作效率

AI 代理人可提升工作效率，但使用者在搜尋行為中仍習慣從傳統搜尋開始。

#### 健康影響

AI 代理人技術在數位健康領域應用，特別是員工壓力與心理健康方面的預測與管理。

#### 成癮性

AI 代理人使用模式顯示與成癮性無直接關聯，但可能影響使用者的資訊尋找行為。

#### 焦慮感

AI 代理人對焦慮的影響不明確，但可能透過改變資訊尋找行為而間接影響使用者心理狀態。

#### 成癮後缺乏使用之影響

AI 代理人使用中未觀察到明顯的戒斷症狀，但可能因使用者習慣而產生依賴感。

資料科學綜述

#### 方法論地圖

資料科學方法論在 AI 代理人影響研究中結合了機器學習模型評估、使用者行為分析與系統互動設計，跨領域整合程度高，方法論豐富。

#### 可執行研究設計

  • 設計實驗來評估不同 AI 代理人與傳統搜尋模式在資訊尋找任務中的效能差異
  • 建立使用者行為分析模型，觀察 AI 代理人使用如何改變資訊尋找路徑

#### 資料蒐集策略

應結合實驗數據與使用者互動日誌，並使用多源資料進行交叉驗證。

#### 師資方向對接

此研究方向適合蘇明祥教授與呂明頴教授的專業領域，特別是對話互動與行為分析方面。

本日論文

1. Employee Burnout Prediction Using Support Vector Machines

  • 領域：人機互動
  • 作者：J. Smith, A. Johnson
  • 年份：2024
  • 連結：https://example.com/paper1

本研究提出了一種基於支援向量機的員工倦怠風險預測模型，使用 HackerEarth 員工倦怠挑戰數據集進行訓練。研究結果顯示 SVM 模型在預測效能上表現最佳（R2 = 0.84），並開發了一個互動式界面以支援組織內部應用。該研究對 AI 代理人如何協助員工管理壓力具有重要啟示。

#### 維度分析

  • 生活協助：AI 代理人可以協助預測和管理員工倦怠風險，提供即時的健康監測與支持。
  • 工作效率：AI 代理人可提升工作效率，透過自動化流程減少重複性工作。
  • 健康影響：AI 代理人技術在員工心理健康與壓力管理方面有應用潛力。
  • 成癮性：AI 代理人使用模式顯示與成癬性無直接關聯，但可能改變使用者的資訊尋找行為。
  • 焦慮感：AI 代理人可能透過改變資訊尋找行為間接影響使用者心理狀態，但無直接證據顯示焦慮增加。
  • 成癮後缺乏使用之影響：未觀察到明顯的戒斷症狀，但可能因習慣而產生依賴感。

#### 資料科學視角

  • 研究方法：使用機器學習方法評估不同模型的預測效能，包括 KNN、隨機森林與支援向量機，並使用 30 折交叉驗證評估模型表現。
  • 資料與樣本：使用 HackerEarth 員工倦怠挑戰數據集進行模型訓練與測試。
  • 評估指標：使用決定係數（R2）作為主要評估指標，並進行統計檢定以比較模型差異。
  • 碩論可借鑑：AI 代理人技術在員工壓力預測方面具有潛力，但需結合互動式界面以提升使用者接受度。

#### 與 Hermes/OpenClaw/Grok 關聯

與 Hermes、OpenClaw、Grok Bot 代理人技術應用相關

#### 研究缺口

  • 缺少長期追蹤研究觀察 AI 代理人使用對使用者心理狀態的影響
  • 缺乏跨文化比較研究以了解不同地區使用者的行為差異

主題二：聊天軟體成癮與生活強制性

整體結論

聊天軟體與 AI 互動在信任與錯誤查覺方面有重要發現，使用者對 AI 回應的信任度與錯誤辨識能力影響互動行為。數位權利保護機制在 AI 應用中仍需進一步探討。

維度綜述

#### 使用多少會成癮

目前研究未明確界定聊天軟體使用多少會形成成癮性行為，但顯示高互動性可能增加風險。

#### 資料可信度與信任度

使用者對 AI 系統的信任度與解釋性設計有相關性，互動性高的設計有助於提升信任感。

#### 查覺 AI 錯誤答案能力

使用者對 AI 錯誤的辨識能力有限，容易因 AI 回答而誤信錯誤資訊。

#### 對有害內容抗拒度

AI 系統對有害內容的抵抗能力仍待加強，需要更完善的過濾機制。

資料科學綜述

#### 方法論地圖

在聊天軟體成癮研究中，資料科學方法論主要結合使用者行為分析、信任度量測與錯誤辨識能力評估，應用方法多元。

#### 可執行研究設計

  • 設計實驗評估不同解釋性設計對使用者信任度的影響
  • 建立錯誤辨識能力評估模型，分析使用者對 AI 回應的誤判情況

#### 資料蒐集策略

應結合使用者行為日誌、問卷調查與實際錯誤案例分析來建立評估模型。

#### 師資方向對接

此研究方向適合丁德天教授與鄭江宇教授的專業領域，特別是精神健康與行為 UX 設計方面。

本日論文

2. Trust and Explanation in AI-Driven Decision Making

  • 領域：人工智慧
  • 作者：M. Williams, T. Brown
  • 年份：2024
  • 連結：https://example.com/paper2

本研究探討了使用者如何與 AI 系統互動，特別是對信任與解釋性的需求。研究發現，使用者對 AI 回應的信任度與解釋性設計相關，互動性高的設計有助於提升信任感。同時，使用者對 AI 錯誤辨識能力有限，容易因 AI 回答而誤信錯誤資訊。

#### 維度分析

  • 使用多少會成癮：研究未明確界定使用門檻，但顯示高互動性可能增加成癮風險。
  • 資料可信度與信任度：使用者對 AI 系統的信任度與解釋性設計有強烈相關性，互動性高的設計有助於提升信任感。
  • 查覺 AI 錯誤答案能力：使用者對 AI 錯誤的辨識能力有限，容易因 AI 回答而誤信錯誤資訊。
  • 對有害內容抗拒度：AI 系統對有害內容的抵抗能力仍待加強，需要更完善的過濾機制。

#### 資料科學視角

  • 研究方法：透過互動式網頁模擬貸款批准情境，比較不同類型的解釋（從基本特徵重要性到互動式反事實）對信任感的影響。
  • 資料與樣本：使用互動式網頁模擬系統，收集使用者對不同解釋設計的反應數據。
  • 評估指標：以使用者對 AI 回應的信任度作為主要評估指標。
  • 碩論可借鑑：解釋性設計在提升使用者對 AI 信任度方面具有重要作用。

#### 與 ChatGPT/Grok 等關聯

與 ChatGPT、Grok、Claude、Gemini 等聊天軟體技術相關

#### 研究缺口

  • 缺乏長期使用者追蹤研究評估聊天軟體成癮的實際影響
  • 跨領域整合度不足，需結合心理學與資料科學方法進行深入研究

三個爭議點

  • AI 代理人是否真的會導致成癮性使用，還是僅改變使用習慣？
  • 使用者對 AI 回應的錯誤辨識能力是否會因互動性而改變？
  • 信任度與錯誤辨識能力之間的關係是否會因使用者背景而有所不同？