碩論：AI 代理人影響文獻分析（資料科學視角）
日期：2026-10-18｜合計：4 篇｜領域：AI 代理人系統、心理社會影響、錯誤查覺、有害內容抗拒
主題一：AI 代理人影響（2 篇）
1. ASTELD: A Six-Axis Classification Framework for Autonomous AI Agents - Design, Evaluation, and an OpenClaw Case Study
- 來源： arXiv:2608.05201
- 方法與資料： 以可觀察屬性與明確賦值規則建立 ASTELD 六軸分類；映射八個框架，OpenClaw 深度個案，並盤點 50 餘個衍生系統、六類弱點與五項機構評估。
- 指標： 區辨力體現於能否分開八個主導組態；摘要未報量表或效果量。後續可報編碼一致率與風險事件計數。
- 六維度： 可解釋部署與自主如何進入日常與工作流，但未量測生活協助、生產力、健康、成癮、焦慮量表或停用反應。
- 碩論借鑑： 先對 Hermes／OpenClaw／Grok Bot 做 ASTELD 雙編碼，再把自主程度×工具權限當預測變項，連結任務完成與風險事件。
2. Multitask learning for recognizing stress and depression in social media
- 來源： arXiv:2305.18907
- 方法與資料： 憂鬱為主任務、壓力為輔助；共享 BERT 加任務編碼器，以及注意力融合的共享／任務層。資料為一份憂鬱集與 Dreaddit 十個 subreddit、五領域壓力貼文；摘要未載各集精確樣本數。
- 指標： 摘要稱優於單任務與遷移學習，完整 F1／效果量須由全文確認。
- 六維度： 可作壓力／憂鬱文本旗標；非臨床診斷，亦未評估工作績效、成癮或停用。
- 碩論借鑑： 將代理對話切成事件特徵做多任務偵測，並以人工複核子集估計校準，避免把模型分數當診斷。
方法論地圖
今日方法為可觀察屬性分類＋OpenClaw 個案，以及跨資料集多任務 NLP；缺口是沒有代理人現場日誌、隨機化使用條件、客觀工作指標或成癮／戒斷量測。
可執行碩論設計
1. 三產品 ASTELD 雙編碼比較：假設高自主×寬工具權限提高任務完成率與風險事件；公開文件＋學生低風險任務；雙編碼（目標 κ≥0.70）與多層模型。
2. 代理對話壓力／憂鬱多任務偵測：假設 Reddit 訓練在代理日誌上有分布位移；去識別特徵＋人工複核；領域適應與校準曲線。
3. 組態切換的短期福祉日誌：假設降低自主或關閉高風險工具會減少焦慮評分但不必然降低完成率；14 日微隨機化。
資料與師資
平台組態只編碼公開文件；對話只留事件特徵。壓力／憂鬱標註須知情同意、允許撤回，並明示非診斷。可對接蘇明祥副教授（NLP、口語對話、情緒與人格感知）、呂明頴副教授（AI、資料探勘、行為分析）、吳政隆教授（文字探勘、深度學習、NLP）。
主題二：ChatGPT／Grok 聊天成癮與生活強制性（2 篇）
1. Short-term AI literacy intervention does not reduce over-reliance on incorrect ChatGPT recommendations
- 來源： arXiv:2503.10556
- 方法與資料： 高三學生隨機分組，短文 AI 素養對照；數學謎題且半數 ChatGPT 建議為錯。分析樣本 36 人（介入 19、對照 17）。
- 指標： 全體過度依賴 M=52.1%, SD=28.90；介入未顯著降低過度依賴（Welch t(28.78)=−0.73, p=.236, d=−0.25），不足依賴上升（t(34)=2.35, p=.025, d=0.78）；94.4% 至少接受一次錯誤建議。
- 四維度： 直接量測辨錯與行為信任；未建立成癮切點或有害內容抗拒。
- 碩論借鑑： 在大學生樣本重做有真值題庫，比較短文素養、不確定性提示與來源連結，預先登錄過度依賴率。
2. Nürnberg NLP @ GermEval Shared Task 2026: Harmful Content Detection in German Social Media through Error-Independent LLM Voters
- 來源： arXiv:2608.22246
- 方法與資料： 每子任務九投票者集成（LLM、訓練法、類別範圍），內部交叉驗證選模；德語社群有害內容、類別嚴重不平衡。
- 指標： 隱藏測試集 macro-F1：C2A 89.56、DBO 71.63、VIO 54.84、DEF 83.02，四項第一。
- 四維度： 機器拒害標竿，不是使用者拒絕有害聊天建議的行為實驗。
- 碩論借鑑： 自建低風險繁中安全題庫，比較單模型與誤差獨立集成，再測使用者拒絕率。
方法論地圖
今日方法為小型隨機介入實驗（有真值、可算過度依賴）與不平衡有害內容的 LLM 集成評測；缺口是沒有縱向問題性使用、繁中題庫，以及把機器安全分數接到真人拒絕行為。
可執行碩論設計
1. 有真值辨錯的介面實驗：假設來源連結優於短文素養；120 名大學生、半數錯誤的 ChatGPT／Grok 建議；預註冊隨機實驗。
2. 機器警示對有害建議拒絕率：交叉實驗，低風險模擬題，產出拒絕率與誤報成本。
3. 問題性使用與辨錯四週追蹤：事件計數、每週短量表與固定題庫，交叉延宕面板；成癮不以時數單獨判定。
資料與師資
辨錯題須有真值；有害內容只用低風險模擬。可對接鄭江宇副教授（行動裝置 UX 設計與實驗）、丁德天副教授（精神流行病學、物質濫用、青少年健康）、吳政隆教授（文字探勘、深度學習、NLP）。
跨主題爭議
1. 方法論： 平台分類與共享任務 F1 不能代替現場隨機化；36 人短時介入的無顯著結果也不足以否定所有素養訓練。
2. 量測： 過度依賴率、macro-F1、壓力／憂鬱文本分數、使用時數與功能損害是不同構念；物質成癮標準不可未經驗證移植到聊天代理人。
3. 倫理： 代理弱點揭露、壓力／憂鬱標註與有害語料皆高敏感；應資料最小化、去識別、非診斷聲明、允許撤回，並經倫理審查。
三個爭議點
1. 方法論：平台分類與共享任務 F1 不能代替現場隨機化；36 人短時介入的無顯著結果也不足以否定所有素養訓練，功效與任務選擇會改變推論。
2. 量測：過度依賴率、macro-F1、壓力／憂鬱文本分數、使用時數與功能損害是不同構念；物質成癮標準不可未經驗證移植到聊天代理人。
3. 倫理：代理弱點揭露、壓力／憂鬱標註與有害語料皆高敏感；應資料最小化、去識別、非診斷聲明、允許撤回，並經倫理審查。