碩論文獻分析（資料科學視角）2026-10-01
- 論文數：4（主題一 2、主題二 2）
- 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
方法論地圖
目前方法從社群文本分類到受規範工程效能比較，優點是可處理大規模自然資料與客觀任務品質；缺口是缺少同一受試者的行為日誌、心理量表、任務成果與中斷追蹤。
本日論文
1. “It Listens Better Than My Therapist”: Exploring Social Media Discourse on LLMs as Mental Health Tool（數位健康與福祉）
來源：https://arxiv.org/abs/2504.12337v1
以逾一萬則 TikTok 留言、自編分層編碼及監督式分類分析大型語言模型的心理支持使用。近兩成留言涉及個人使用，但社群話語不能作為臨床療效或成癮因果證據。可複製為繁中社群多標籤分類，惟需公開標註手冊與交叉驗證流程。
2. Automating RT Planning at Scale: High Quality Data For AI Training（醫療自動化與 AI 系統）
來源：https://arxiv.org/abs/2501.11803v6
建置受臨床規範約束的自動迭代放射治療規劃流程，並比較自動與人工計畫品質。九個頭頸與肺癌群組可支援工程評測，但摘要未提供精確計畫數、劑量學指標或臨床結局。可借鏡為人工、聊天助手及代理模式的時間、正確率與失敗類型基準。
可執行研究設計
- 〈代理人中斷與任務韌性準實驗〉：比較限制代理功能前後的任務時間、焦慮及替代行為，以差異中的差異模型分析。
- 〈代理工作流品質與人工監督基準〉：隨機比較人工、聊天助手及代理模式，量測時間、正確率、介入次數與失敗類型。
師資方向
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：聊天軟體成癮與生活強制性
方法論地圖
方法由設計導向的信任校準延伸到大型比較語料與分類模型；主要缺口是把機器偵測表現誤代替人的辨錯能力，且缺少使用日誌、問題性使用量表及有害建議行為實驗的聯結。
本日論文
1. How can design help enhance trust calibration in public autonomous vehicles?（信任與可信度）
來源：https://arxiv.org/abs/2106.16106v1
探討如何以互動設計校準乘客對複雜自駕系統的適當信任。此為跨情境間接證據，可移植為大型語言模型的錯誤率、信心語氣及警示介面實驗，但不能視為聊天成癮實證。
2. How Close is ChatGPT to Human Experts? Comparison Corpus, Evaluation, and Detection（錯誤查覺與 AI 素養）
來源：https://arxiv.org/abs/2301.07597v1
建立數萬筆人類專家與 ChatGPT 回覆的 HC3 公開語料，涵蓋開放、金融、醫療、法律與心理問題，並進行人工評估、語言分析及三類偵測實驗。生成來源辨識不等於事實辨錯，碩論應把兩種能力分開操作化。
可執行研究設計
- 〈錯誤答案與信任校準實驗〉：操弄答案正確性、自信語氣及引用品質，量測辨錯率、反應時間、信任與依從意願。
- 〈匿名日誌與問題性使用風險模型〉：結合事件日誌、每日短問卷及經驗抽樣，以時間序列特徵和分層交叉驗證建模。
- 〈有害建議抗拒的介面摩擦實驗〉：比較單一警示與要求查證理由的介面，量測拒絕率、查證行為與風險判斷。
師資方向
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）、蘇明祥副教授（自然語言處理、口語對話系統）。
三個爭議點
- 方法論：橫斷自陳或社群留言無法區分高頻使用、問題性使用與臨床成癮，也難建立代理使用造成心理或效率變化的因果關係。
- 量測：平台時數、傳統網路成癮量表、來源偵測準確率與事實辨錯率測量不同構念，尚不能共用門檻或彼此替代。
- 倫理：代理與聊天日誌可能含心理健康、醫療及第三人資訊；研究應最小化蒐集、去識別、允許退出，並為中斷與有害刺激設風險處置。