兒童與大型語言模型聊天機器人的擬人化互動：驅動因素與結果之系統性回顧
arXiv - Human-Computer InteractionHansinie Madushika Jayathilake, Renkai Ma
本研究透過系統性回顧，分析了驅動兒童對 LLM 產生擬人化傾向的因素及其產生的社會與心理影響。
AI 幫你先抓重點
AI 重點 1
關注擬人化互動中的「矛盾性」與「雙重意識」
滑鼠懸停看 AI 判斷理由
理解兒童如何同時將 AI 視為工具與生命體至關重要。這能幫助設計者預見兒童在面對 AI 錯誤或限制時，可能產生的情緒波動或道德判斷偏差，進而優化互動邏輯。
AI 重點 2
從「功能性設計」轉向「發展適應性設計」
滑鼠懸停看 AI 判斷理由
研究指出擬人化不僅是技術特徵，更是心理驅動力。這提醒開發者在設計兒童 AI 時，必須平衡技術的擬人化程度與兒童心理發展需求，避免過度擬人化導致的認知混淆。
核心研究發現
- 1
驅動兒童擬人化互動的因素包括：擬人化的角色建構、適應性鷹架支持、情感陪伴感，以及非人類的具身設計。
- 2
擬人化互動會導致五種結果：矛盾的社會與道德反應、對機器人的雙重意識、形成不同形式的社會連結、探索社會邊界，以及將對話中斷歸因於人類敘事。
- 3
研究發現兒童在與 LLM 互動時，會展現出既有益於發展又具備潛在風險的複雜行為特徵。
對教育工作者的啟發
教育科技設計者在開發兒童 AI 助手時，不應僅追求技術的強大，應特別注意「擬人化」帶來的心理影響。建議：1. 在設計角色時，應明確區分 AI 的非人類本質，以避免兒童產生過度的情感依賴或道德誤解；2. 利用「適應性鷹架」來強化學習效果，而非僅僅是提供情感陪伴；3. 建立預警機制，監測兒童是否在對話中表現出過度的社會邊界探索或矛盾的道德反應，確保 AI 的互動符合兒童的身心發展需求，實現永續且健康的學習互動。
原始文獻資訊
- 英文標題：
- Anthropomorphism in Children's Interactions with LLM Chatbots: A Systematic Review of Drivers and Outcomes
- 作者：
- Hansinie Madushika Jayathilake, Renkai Ma
- 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。