碩論：AI 代理人影響文獻｜資料科學視角｜2026-10-23
主題一：AI 代理人影響
1. Plan-Then-Execute: An Empirical Study of User Trust and Team Performance When Using LLM Agents As A Daily Assistant
- 來源： https://arxiv.org/abs/2502.01390
- 方法與資料： 248 人受試者實驗；以六項不同風險的日常任務，比較使用者在規劃與執行階段介入代理人的方式。
- 指標： 團隊任務績效與主觀信任；後續可加入正確率、介入次數、校準誤差與 NASA-TLX。
- 資科碩論借鑑： 以 Hermes 或 OpenClaw 重現「計畫後執行」介面，操弄僅核准計畫與逐步介入，比較任務正確率、信任校準及負荷。
2. Living with AI Companions: Sustained AI Companionship Predicts Lower Well-Being Through Lower Human Interaction
- 來源： https://arxiv.org/abs/2609.07243v1
- 方法與資料： Character.AI 使用者兩波縱向調查；基線 1,182 人，約 12 個月後追蹤 439 人，以路徑分析檢驗持續投入與社會位移。
- 指標： 互動強度、陪伴使用、自我揭露、面對面互動時間與 Comprehensive Inventory of Thriving 心理幸福。
- 資科碩論借鑑： 在一學期內進行兩至三波問卷，搭配端側彙總使用時長與每週真人社交時間，以路徑模型分離持續使用和社會位移。
方法論地圖
真人受試者實驗可估計規劃／執行介入對即時績效及信任的影響；兩波縱向問卷則可分析長期陪伴、真人互動與幸福之路徑。主要缺口是 Hermes／OpenClaw／Grok Bot 的跨產品對照、客觀工具日誌、成癮量表及實驗性停用。
可執行碩論設計
1. 計畫核准與逐步執行對信任校準： 假設僅核准看似合理的錯誤計畫會提高依賴錯誤並降低校準；招募約 40–80 名學生，在 Hermes 或 OpenClaw 原型完成中高風險模擬任務，比較正確率、介入次數、主觀信任與校準誤差。
2. 陪伴強度是否經由真人互動影響幸福： 假設基線高互動強度透過較少面對面時間預測期末較低幸福；以學期內兩至三波問卷加端側彙總時長，使用路徑或交叉滯後模型估計。
3. 工具型與陪伴型代理人的使用軌跡比較： 假設工具型代理人的夜間會話較短、陪伴型依賴較高；蒐集工具呼叫次數與會話時長但不保留正文，對照每週短量表。
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）、何穗華助理教授（人機互動、行為科學分析、UI/UX）。
主題二：聊天軟體成癮與生活強制性
1. Problematic ChatGPT Use Scale: AI-Human Collaboration or Unraveling the Dark Side of ChatGPT
- 來源： https://doi.org/10.1007/s11469-025-01509-y
- 方法與資料： 土耳其成人兩樣本（N=391、N=473），採翻譯回譯、確認性因素分析、測量恆等、項目反應理論及中介模型。
- 指標： 九題 Problematic ChatGPT Use Scale、CFA 適配、構型／度量／量尺恆等、α／ω、IRT 鑑別度及相關效標；未提供臨床切截值。
- 資科碩論借鑑： 取得授權後進行繁中改編，先做題意訪談與 CFA，再檢驗 ChatGPT／Grok／Claude 使用組的測量恆等，並以每週時長作效標而非成癮切截。
2. The Siren Song of LLMs: How Users Perceive and Respond to Dark Patterns in Large Language Models
- 來源： https://arxiv.org/abs/2509.10830
- 方法與資料： 建立五類十一子類對話暗黑模式，並以 34 人情境對照研究比較操縱性及中性回覆。
- 指標： 辨識、偏好、情緒反應、緩解策略與責任歸屬；後續可加入敏感度、特異度和遵從意願。
- 資科碩論借鑑： 將十一類暗黑模式製作成繁中低風險情境，交叉四種聊天模型與中性對照，測量辨識率、遵從意願及信心。
方法論地圖
本日方法涵蓋心理量表改編與驗證，以及小樣本真人情境實驗；已能量測問題性使用及對操縱內容的抗拒，但缺少客觀行為日誌、跨模型測量恆等、事實錯誤察覺任務與代表性抽樣。
可執行碩論設計
1. 繁中問題性聊天使用量表與跨模型恆等： 假設同一構念在 ChatGPT 與 Grok 使用者之間不具完整量尺恆等；以認知訪談、CFA／IRT 及每週時長、夜間使用效標產出繁中題庫與測量報告。
2. 暗黑模式辨識與遵從實驗： 假設諂媚條件比中性條件降低風險辨識並提高遵從；以低風險情境交叉模型與語氣，招募約 80–120 人測量辨識率、遵從意願及信心。
3. 量表分數能否被端側日誌預測： 假設會話時長、夜間比例及失敗後重試預測問題性使用分數，優於單純訊息數；進行四週彙總日誌與每週短量表，採混合效果模型。
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）。
跨主題爭議
1. 方法論： 日常代理人實驗能量測即時績效與信任，縱向量表能描述持續使用與幸福的關聯，但便利樣本、高流失與非隨機分派，不能把陪伴使用直接解釋成對 Hermes 或 ChatGPT 的因果傷害。
2. 量測： 任務正確率、主觀信任、心理幸福、問題性使用分數與暗黑模式辨識率是不同構念；不可用單一「成癮」或「抗拒」分數替代，應預先指定主要終點並報告信效度與校準。
3. 倫理： 高風險模擬任務、自我揭露與操縱性對話可能造成不安或隱私外洩；須使用沙盒憑證、資料最小化、低風險情境、退出機制與倫理審查。
三個爭議點
1. 方法論爭議：日常代理人實驗能量測即時績效與信任，縱向量表能描述持續使用與幸福的關聯，但便利樣本、高流失與非隨機分派，不能把陪伴使用直接解釋成對 Hermes 或 ChatGPT 的因果傷害。
2. 量測爭議：任務正確率、主觀信任、CIT 幸福、PCGUS 分數與暗黑模式辨識率是不同構念；不可用單一「成癮」或「抗拒」分數替代，碩論須預先指定主要終點並報告信效度與校準。
3. 倫理爭議：高風險模擬任務、自我揭露與操縱性對話可能造成不安或隱私外洩；須使用沙盒憑證、資料最小化、低風險情境、退出機制與倫理審查，不可為求效果量而展示真實危害指令。