人類在選擇 AI 生成設計變體時的中心趨勢偏誤研究
arXiv - Human-Computer InteractionHuiyang Chen, Keqing Jiao
研究發現當 AI 同時呈現多種設計選項時，人類傾向於選擇位於選項集合中心位置的設計，導致選擇多樣性降低。
AI 幫你先抓重點
AI 重點 1
AI 生成的多樣性與人類選擇的多樣性之間存在潛在衝突。
滑鼠懸停看 AI 判斷理由
雖然 AI 系統能產出極具差異化的設計，但介面呈現方式可能引發認知偏誤，導致最終被採納的結果趨於平庸或一致，這挑戰了「AI 能提升創意多樣性」的假設。
AI 重點 2
介面設計（Interface Design）會直接影響人類的決策品質。
滑鼠懸停看 AI 判斷理由
這提醒設計者，單純提供更多選項並不等於提供更好的探索機會；若不考慮人類的認知偏誤，多樣化的輸出反而可能在選擇階段被過濾掉，造成設計上的同質化。
核心研究發現
- 1
研究證實了「中心趨勢偏誤」的存在，即使用者在面對多個 AI 生成選項時，會傾向於選擇在設計特徵上較接近集合中心位置的選項。
- 2
實驗結果顯示，當設計集合的變異量（Variance）較高時，使用者選擇靠近中心位置設計的傾向會更加明顯。
- 3
這種偏誤在「美感偏好」與「代表性任務」兩種不同的決策情境下均會發生，顯示其具有普遍性。
對教育工作者的啟發
對於開發教育或創意工具的設計者而言，應意識到「一次展示過多選項」可能導致學習者或使用者陷入認知慣性，選擇最穩妥、最中間的選項，進而抑制了批判性思考與探索邊界的機會。建議在設計 AI 輔助教學或創作工具時，可以考慮採用「分階段展示」或「引導式探索」的介面策略，避免使用者因視覺上的集合感而產生中心趨勢偏誤，以確保使用者能真正發揮 AI 產出的多樣性優勢，促進更具創意的學習成果。
原始文獻資訊
- 英文標題：
- Central Tendency Bias in Human Selection of AI-Generated Design Variations
- 作者：
- Huiyang Chen, Keqing Jiao
- 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。