人類與大型語言模型互動中的擬人化與信任研究
arXiv - Human-Computer InteractionAkila Kadambi, Ylenia D'Elia, Tanishka Shah, Iulia Comsa, Alison Lentz, Katie Siri-Ngammuang, Tara Buechler, Jonas Kaplan, Antonio Damasio, Srini Narayanan, Lisa Aziz-Zadeh
研究發現溫暖感、能力與共情能力是影響人類對 LLM 擬人化感知與信任度的關鍵維度。
AI 幫你先抓重點
AI 重點 1
區分「認知共情」與「情感共情」對 AI 信任的不同影響
滑鼠懸停看 AI 判斷理由
這對於設計 AI 教學助手至關重要。若目標是提升學習者的知識理解，應著重於提升 AI 的認知共情與能力；若目標是情感支持，則需強化情感共情，兩者對信任的機制並不相同。
AI 重點 2
主題性質會改變人類對 AI 的心理定位
滑鼠懸停看 AI 判斷理由
研究顯示主觀議題會強化擬人化感。這提醒開發者在設計教育應用時，若涉及個人學習反思或情緒支持，AI 的擬人化設計會產生更強的心理連結，但也需注意這是否會影響學習者的客觀判斷。
核心研究發現
- 1
溫暖感（友善度）與認知共情能顯著預測擬人化、信任、相似性、關係親密度、挫折感及有用性等所有結果。
- 2
能力（能力與連貫性）能預測除擬人化以外的所有感知結果，顯示能力與擬人化感知之間存在差異。
- 3
情感共情主要影響關係維度的感知，但對於知識性（epistemic）結果的預測能力較弱。
- 4
當討論主題較具主觀性或個人相關性（如情感建議）時，會放大擬人化與關係連結的效果。
對教育工作者的啟發
在設計 AI 學習夥伴（AI Tutor）時，不應僅追求技術能力的提升。若希望建立穩定的學習關係，應整合「溫暖感」與「認知共情」的設計，例如透過友善的語氣與理解學習者邏輯的方式。此外，針對不同性質的學習任務應採取差異化策略：在處理客觀知識傳遞時，應優先強化 AI 的能力與連貫性；在進行學習反思、情緒調節或個人化指導時，則可適度增加擬人化與共情特質，以建立更深層的學習連結與信任感。
原始文獻資訊
- 英文標題：
- Anthropomorphism and Trust in Human-Large Language Model interactions
- 作者：
- Akila Kadambi, Ylenia D'Elia, Tanishka Shah, Iulia Comsa, Alison Lentz, Katie Siri-Ngammuang, Tara Buechler, Jonas Kaplan, Antonio Damasio, Srini Narayanan, Lisa Aziz-Zadeh
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。