碩論：AI 代理人影響文獻（資料科學視角）— 2026-10-11

主題一：AI 代理人影響（2 篇）

1. Technology in Association With Mental Health: Meta-ethnography

• 作者／年份： Hamza Mohammed（2023）
• 來源： https://arxiv.org/abs/2307.10513v2
• 摘要： 以統合民族誌／文獻綜整彙整數位心理健康研究。數位科技可增加服務可近性並可能支援焦慮介入，但成效不一致，且受專業訓練、證據品質與數位公平影響。摘要未提供納入研究數、樣本總數或量化效果量，不能據此推定 AI 代理人的直接健康效果。
• 六維度： 可提供日常數位健康支持；未研究工作效率與代理成癮；焦慮介入僅屬廣義數位健康證據；未研究停用後影響。
• 目標關聯： 對 Hermes Agent、OpenClaw、Grok Bot 僅為間接健康影響證據。
• 資料科學鏡頭：

- 方法：統合民族誌／文獻綜整；摘要未交代完整檢索與品質評估。

- 資料：既有研究的二手證據；摘要未提供篇數與樣本規模。

- 指標：可近性、介入成效與公平性之敘述比較，未提供標準化效果量。

- 碩論借鑑：結合代理使用日誌、焦慮量表與睡眠／活動資料，採四至八週縱向設計並預先註冊主要結局。

2. The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey

• 作者／年份： Tula Masterman、Sandi Besen、Mason Sawtell、A. Chao（2024）
• 來源： https://www.semanticscholar.org/paper/25ae2fce719c6f6f0b09de1e0f917a7b719e5e99
• 摘要： 比較單代理與多代理架構，聚焦推理、規劃、工具呼叫、領導、溝通及反思。可作實驗操弄依據，但摘要未提供系統性檢索、納入系統數、使用者樣本或共同基準。
• 六維度： 提供生活與工作任務的技術機制，但未測量人類效率、健康、成癮、焦慮或撤除反應。
• 目標關聯： 與 Hermes Agent、OpenClaw 的架構功能高度相關；與 Grok Bot 為功能層面的替代證據，未直接評估指定產品。
• 資料科學鏡頭：

- 方法：代理架構與設計模式綜述。

- 資料：公開實作與文獻；摘要未提供納入數量，重現需固定模型、提示、工具及版本。

- 指標：摘要未報告統一成功率、成本、延遲、接管率或效果量。

- 碩論借鑑：把規劃、反思及工具權限作實驗因子，記錄成功率、時間、成本、錯誤與人工接管。

方法論地圖

本日由數位心理健康的質性證據綜整與 AI 代理架構綜述構成；前者提供健康與公平情境，後者提供可操弄技術元件，共同缺口是尚未把代理遙測、客觀任務表現、心理量表及撤除階段納入同一可重現人類實驗。

可執行碩論設計

1. 代理反思模組的隨機交叉實驗： 比較有／無反思的任務成功率、時間、錯誤、工具呼叫與接管，以混合效應模型估計差異。

2. 代理使用與焦慮的六週多模態日誌： 以去識別遙測、每日短量表及選擇性穿戴資料，分析失敗率與次日焦慮、睡眠的個體內關聯。

3. 短期代理撤除與接管能力研究： 兩週輔助後隨機停用或降級，估計任務表現、焦慮與接管品質的改變。

資料與師資

採校內成人約百人級樣本；最小化蒐集提示、工具事件、延遲、成本、接管與錯誤，並落實去識別、退出機制及版本固定。可對接蘇明祥副教授（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）及吳政隆教授（文字探勘、文本情感分析、自然語言處理、人工智慧）。

主題二：聊天軟體成癮與生活強制性（2 篇）

1. Do You Trust ChatGPT? - Perceived Credibility of Human and AI-Generated Content

• 作者／年份： Martin Huschens、Martin Briesch、D. Sobania、Franz Rothlauf（2023）
• 來源： https://www.semanticscholar.org/paper/627a662bee07420f97ba202284fec61fc2c0f0d1
• 摘要： 比較人類與 GPT 生成內容在不同介面下的知覺可信度。參與者給予兩類內容相近的可信度、能力與可信賴性評價，並認為 AI 內容較清楚、吸引人。摘要未提供樣本規模、材料數、信效度或效果量；知覺可信度不等於客觀正確率。
• 四維度： 未測量成癮門檻、客觀辨錯或有害內容抗拒；直接測量知覺信任。
• 目標關聯： 直接涉及 ChatGPT 的 GPT 模型家族；對 Grok、Claude、Gemini 僅作跨模型設計參考。
• 資料科學鏡頭：

- 方法：人類與 AI 內容比較性使用者研究並操弄介面。

- 資料：參與者對可信度、能力、可信賴性、清楚度與吸引力的評分；摘要未提供樣本數。

- 指標：主觀評分，未提供信效度、效果量或客觀正確率。

- 碩論借鑑：同時蒐集主觀信任與客觀判準題準確率，隨機遮蔽來源，以信任—正確率落差量化校準。

2. Probabilistic distances-based hallucination detection in LLMs with RAG

• 作者／年份： Rodion Oblovatny、Alexandra Kuleshova、Konstantin Polev、Alexey Zaytsev（2025）
• 來源： https://arxiv.org/abs/2506.09886v2
• 摘要： 利用提示與回應詞元嵌入分布距離及隱藏狀態幾何結構，進行 RAG 幻覺偵測。摘要稱其表現具競爭力且可由自然語言推論遷移至無監督偵測，但未列資料集、樣本數、具體指標值或人類辨錯結果。
• 四維度： 未測量成癮門檻與人類信任；直接研究機器端錯誤偵測；未測量使用者對有害內容的抗拒。
• 目標關聯： 適用可存取隱藏狀態的 RAG 系統；封閉式 ChatGPT、Grok、Claude、Gemini 的部署受 API 權限限制。
• 資料科學鏡頭：

- 方法：以嵌入分布距離作無監督幻覺偵測，並由自然語言推論遷移。

- 資料：提示、回答、檢索脈絡及詞元隱藏狀態；摘要未提供資料集與樣本數。

- 指標：摘要未列準確率、AUROC、F1、校準誤差或信賴區間。

- 碩論借鑑：以開源 RAG 建立真值問答集，比較多種偵測器，再把警示分數放入介面測試人類辨錯率與錯拒率。

方法論地圖

本日橫跨 HCI 的知覺可信度比較與 NLP 的無監督幻覺偵測；前者有人類主觀評分但缺客觀真值，後者有演算法訊號但缺人類行為。主要缺口是未整合實際用量、信任校準、辨錯表現及有害建議採納。

可執行碩論設計

1. 信任—正確率校準的來源遮蔽實驗： 隨機呈現人類或多模型回答，以校準誤差與混合效應模型分析信任、採納、辨錯及反應時間。

2. 幻覺警示介面的隨機 UX 實驗： 比較無警示、分數警示與證據對照，衡量靈敏度、特異度、採納率、錯拒率及認知負荷。

3. 低風險有害建議抗拒與使用強度研究： 將低風險模擬情境與四週最小化用量日誌結合，比較查證、拒絕、採納與求助行為。

資料與師資

先以公開真值題庫與開源 RAG 建立可重現基準，再進行約百人級成人實驗；不索取完整私人對話，有害情境需採低風險模擬、停止規則與事後說明。可對接丁德天副教授（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）及蘇明祥副教授（自然語言處理、口語對話系統、情緒與人格感知）。

跨主題爭議（恰好 3 則）

1. 方法論： 橫斷自陳與敘述性綜述難以推論 AI 使用造成效率、焦慮或依賴；模型版本與自我選擇亦會混淆因果。

2. 量測： 使用時數、知覺信任、依賴、強迫性使用與臨床成癮不可互換；機器幻覺偵測分數也不等於人類辨錯能力。

3. 倫理： 聊天日誌可能含心理健康、第三人資訊與有害內容暴露；研究須資料最小化、去識別、退出機制、停止規則與事後說明。

三個爭議點

1. 方法論爭議：橫斷自陳與敘述性綜述難以推論 AI 使用造成效率、焦慮或依賴；模型版本與自我選擇亦會混淆因果。

2. 量測爭議：使用時數、知覺信任、依賴、強迫性使用與臨床成癮不可互換；機器幻覺偵測分數也不等於人類辨錯能力。

3. 倫理爭議：聊天日誌可能含心理健康、第三人資訊與有害內容暴露；研究須資料最小化、去識別、退出機制、風險停止規則與事後說明。