碩論：AI 代理人影響文獻（資料科學視角）｜2026-10-30

主題一：AI 代理人影響

本日論文

1. Focused on the User, Overlooking the Risks: Security and Privacy Understandings, Practices and Challenges of Independent Chinese AI Agent Developers

- 方法：訪談 28 名中國獨立 AI 代理人開發者，以質性分析整理安全與隱私認知、實務及阻礙。

- 資料科學借鑑：可把安全自評與去識別代理設定稽核配對，檢驗認知和客觀弱點的一致性。

2. Factors that influence accountants’ acceptance of Artificial Intelligence: An extended Technology Acceptance Model that incorporates technology anxiety and experience

- 方法：72 名波蘭會計專業人員橫斷問卷，以 PLS-SEM 檢驗科技焦慮、AI 經驗及採用構念。

- 資料科學借鑑：加入任務日誌、完成時間與錯誤率，將採用態度連結至客觀績效。

方法論地圖

本日結合 28 名開發者質性訪談與 72 名會計專業人員的 PLS-SEM 橫斷問卷；可同時看治理實務與採用構念，缺口是自陳資料未與代理設定弱點、任務時間、錯誤率及縱向變化連結。

可執行碩論設計

安全認知—客觀設定落差稽核：蒐集開發者訪談、去識別設定檔及情境測試，以主題編碼、弱點計數與等級相關分析建立代理人安全稽核表。
科技焦慮與代理輔助績效交叉實驗：比較有無代理輔助任務，以完成時間、錯誤率、焦慮前後測及混合模型評估結構化訓練效果。

師資對接

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）、葉向原教授（機器學習、資料探勘、人工智慧、資料科學）。

主題二：聊天軟體成癮與生活強制性

本日論文

1. Measuring problematic smartphone use among students using the Smartphone Addiction Scale

- 方法：867 名南非大學生完成 SAS-SV，以描述統計及相關分析檢驗問題性使用與每日時數。

- 資料科學借鑑：將總時數拆成聊天 LLM 主動使用、夜間使用與功能損害，並用裝置時數校正自陳偏差。

2. “My AI is Lying to Me”: User-reported LLM hallucinations in AI mobile apps reviews

- 方法：演算法篩選 AI 行動應用評論，再由人工確認 350 則明確幻覺回報，建立使用者中心錯誤分類。

- 資料科學借鑑：建立繁中評論金標集，並以具真值任務估計公開評論無法觀察的漏報。

方法論地圖

本日方法涵蓋 867 人橫斷量表與公開 AI 應用評論的演算法篩選加人工標註；前者可量測問題性使用，後者具真實情境，但共同缺口是自陳偏差、選擇性回報及缺少可計算察錯率的真值任務。

可執行碩論設計

聊天 LLM 使用組成與功能損害驗證：以兩週裝置時數、短日誌及問題性使用量表，檢驗夜間聊天時數對睡眠與學業干擾的增額解釋力。
評論回報偏差與真實察錯率配對研究：比較具真值聊天任務的錯誤標記與評論式自由回報，以敏感度、特異度、校準誤差及回報率估計偏差。
有害建議拒絕行為實驗：隨機比較控制、警語與查證流程，以拒絕率、查證率、判斷信心及反應時間評估安全介面。

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）、吳政隆教授（文字探勘、文本情感分析、自然語言處理）、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）。

跨主題爭議

1. 方法論：開發者訪談、橫斷問卷、校園量表與應用評論的母體不同，皆受自選與自陳偏差影響，不能據此推論代理使用造成焦慮、成癮或察錯能力改變。

2. 量測：知覺有用性、每日時數、SAS-SV 高分、幻覺回報與臨床成癮是不同構念；應分開量測客觀績效、失控、功能損害、信任校準及真值察錯率。

3. 倫理：代理設定、聊天日誌、裝置時數及公開評論可能暴露憑證、心理狀態與第三人資訊；研究需資料最小化、去識別、限制有害內容暴露並允許退出。

三個爭議點

1. 方法論：開發者訪談、橫斷問卷、校園量表與應用評論的母體不同，皆受自選與自陳偏差影響，不能據此推論代理使用造成焦慮、成癮或察錯能力改變。

2. 量測：知覺有用性、每日時數、SAS-SV 高分、幻覺回報與臨床成癮是不同構念；應分開量測客觀績效、失控、功能損害、信任校準及真值察錯率。