碩論：AI 代理人影響文獻（資料科學視角）｜2026-10-24

主題一：AI 代理人影響（2 篇）

1. Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise

• 來源： https://arxiv.org/abs/2410.03017v3
• 領域： 教育科技與工作效能
• 研究摘要： 真實線上家教場域的預註冊隨機對照試驗，涵蓋 900 名導師、1,800 名中小學生及 55 萬則以上訊息。學生主題精熟率提高 4 個百分點，低評等導師所教學生提高 9 個百分點。
• 六維度： 對工作效率有客觀成效證據；可推論即時專業協助，但未量測健康、成癮、焦慮或停用反應。
• 與目標產品的關聯： 可作為 Hermes Agent、OpenClaw、Grok Bot 嵌入專業流程的間接證據，不能直接外推不同產品與任務。
• 資料科學視角：

- 方法：預註冊叢集式 RCT、訪談、訊息分類器、異質性分析。

- 資料：900 名導師、1,800 名學生、55 萬則以上訊息；真實場域資料需平台合作與未成年人保護。

- 指標：精熟率百分點差、p 值、教學策略分類比例與成本。

- 碩論借鑑：以代理提示開啟／關閉做隨機交叉研究，結合正確率、採納率、人工評分及對話日誌。

2. Supporting Construction Worker Well-Being with a Multi-Agent Conversational AI System

• 來源： https://arxiv.org/abs/2506.07997
• 領域： 職業健康與人機互動
• 研究摘要： 12 名參與者的受試者內比較；具職安、HR 與同儕角色的 RAG 多代理系統，相較單一 GPT-4o 聊天機器人，在 SUS、心理需求、社會臨場感及信任上較佳，但樣本小且使用預設情境。
• 六維度： 呈現生活與工作支持形式，但未直接量測客觀產出、長期健康、成癮、焦慮與停用反應。
• 與目標產品的關聯： 多代理編排、角色分工與 RAG 可映射至 Hermes Agent、OpenClaw；對 Grok Bot 僅屬對話互動的間接參考。
• 資料科學視角：

- 方法：隨機化呈現順序的受試者內情境實驗與開放式回饋。

- 資料：12 人、三種職場情境；容易複製，但代表性與檢定力有限。

- 指標：SUS、基本心理需求、社會臨場感、信任、採納意圖、平均數、標準差與 p 值。

- 碩論借鑑：擴大樣本比較單代理／多代理，加入任務正確率、延遲、錯誤採納率與延後測量。

方法論地圖

本日橫跨真實場域預註冊 RCT、對話日誌分類與小樣本受試者內 HCI 實驗；已能觀察客觀成果與使用體驗，但缺少目標產品直接比較、長期健康／依賴追蹤及停用因果設計。

可執行碩論設計

1. 代理提示對知識工作績效的交叉實驗：60–100 名研究生，比較開啟／關閉提示，以混合效應模型分析正確率、時間與採納率。

2. 單代理與多代理的信任校準研究：80–120 人，使用真偽混合建議，以 SUS、信任、錯誤採納率建立校準曲線。

3. 短期停用與依賴軌跡研究：兩週端側日誌加 72 小時隨機停用窗口，以階層時間序列模型估計焦慮與負荷變化。

資料與師資建議

採成人受試者、端側最小化日誌、去識別事件特徵與預註冊分析；停用研究須提供退出及心理支持。適配師資：呂明頴副教授（行為分析、資料探勘、人工智慧）、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）、吳政隆教授（文字探勘、文本情感分析、自然語言處理）。

主題二：ChatGPT／Grok 聊天成癮與生活強制性（2 篇）

1. Emotionally Vulnerable Subtype of Internet Gaming Disorder: Measuring and Exploring the Pathology of Problematic Generative AI Use

• 來源： https://arxiv.org/abs/2510.06908v2
• 領域： 心理計量與數位成癮
• 研究摘要： 先在 1,508 人中檢驗九個 IGD 向度的 31 題結構，再於獨立 1,426 人樣本驗證 PUGenAIS-9，並檢驗國籍與性別測量恆等、潛在剖面及症狀網絡。
• 四維度： 約 5%–10% 是問題性使用剖面比例而非每日時數門檻；未直接量測資料可信度、錯誤察覺或有害內容抗拒。
• 與目標產品的關聯： 可用於 ChatGPT、Grok、Claude、Gemini 的跨平台調查，但繁中版須重新驗證內容效度與平台間測量恆等。
• 資料科學視角：

- 方法：CFA、測量恆等、潛在剖面與症狀網絡分析。

- 資料：發展樣本 1,508 人、獨立驗證樣本 1,426 人，橫跨中國與美國。

- 指標：因素負荷、國籍／性別測量恆等、潛在剖面比例及症狀網絡。

- 碩論借鑑：驗證繁中版 PUGenAIS-9，加入端側實際使用次數與時長，檢驗收斂及增額效度。

2. Citations and Trust in LLM Generated Responses

• 來源： https://arxiv.org/abs/2501.01303
• 領域： 資訊可信度與人機互動
• 研究摘要： 303 名參與者被隨機分派至無引用、一筆或五筆引用，以及相關或隨機引用條件。引用存在會提高自陳信任，即使引用是隨機來源；實際檢查引用者的信任較低。
• 四維度： 直接量測引用線索與信任；未量測使用／成癮門檻，也未把錯誤察覺率或有害內容抗拒作為主要結果。
• 與目標產品的關聯： 可轉化為 ChatGPT、Grok、Claude、Gemini 的引用介面實驗，警示形式上的來源標記可能造成過度信任。
• 資料科學視角：

- 方法：3×2 隨機對照問答實驗，操弄引用數量與相關性。

- 資料：303 名參與者，約 3,040 筆問題層級評分。

- 指標：信任評分、查證行為及引用存在的迴歸係數（β=0.394，p<0.01）。

- 碩論借鑑：把引用正確性與答案正確性正交操弄，以混合效應邏輯斯模型分析察錯率、校準誤差與查證點擊。

方法論地圖

本日結合大樣本跨國心理計量與隨機化信任實驗：前者刻畫問題性使用結構，後者識別介面線索的因果效果；缺口是客觀日誌、錯誤真值任務及有害內容抗拒的整合驗證。

可執行碩論設計

1. 繁中 PUGenAIS-9 與端側日誌驗證：300–500 人、兩週去識別事件，以 CFA、測量恆等與交叉驗證模型比較功能損害和單純時數的預測力。

2. 引用線索與錯誤察覺實驗：150–240 人，進行答案正確性×引用品質實驗，以混合效應模型分析察錯率、信任校準與查證點擊。

3. 有害建議抗拒與問題性使用關聯：以低風險模擬情境、量表與行為選擇檢驗高問題性使用者是否更容易採納有害建議。

資料與師資建議

量表需雙向翻譯、認知訪談與獨立驗證；日誌只留時間、平台與事件類型。有害內容情境須經倫理審查、避免可直接執行的危險資訊。適配師資：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）、呂明頴副教授（行為分析、資料探勘）。

跨主題爭議

1. 方法論： 特定場域 RCT、小樣本 HCI 實驗與橫斷面問卷的因果範圍不同，不能把短期績效或自陳信任直接外推為長期生活改善或成癮。

2. 量測： 高使用量、社會臨場感、信任與臨床式問題性使用並非同一構念；需以測量恆等、客觀日誌、功能損害及真值任務交叉驗證。

3. 倫理： 蒐集對話與端側日誌可能暴露心理、工作及未成年人資料；停用與有害內容實驗必須最小化風險、允許退出、去識別並提供事後說明。

三個爭議點

1. 方法論：特定場域 RCT、小樣本 HCI 實驗與橫斷面問卷的因果範圍不同，不能把短期績效或自陳信任直接外推為長期生活改善或成癮。

2. 量測：高使用量、社會臨場感、信任與臨床式問題性使用並非同一構念；需以測量恆等、客觀日誌、功能損害及真值任務交叉驗證。

3. 倫理：蒐集對話與端側日誌可能暴露心理、工作及未成年人資料；停用與有害內容實驗必須最小化風險、允許退出、去識別並提供事後說明。