人機互動中的認知卸載與速度幻覺
arXiv - Computers and SocietySunny Yu, Myra Cheng, Ahmad Jabbar, Ilia Sucholutsky, Katherine M. Collins, Dan Jurafsky, Robert D. Hawkins
研究發現使用者對大型語言模型協助的時間節省預估過高，形成速度幻覺，且雖完成時間相同，使用者感知努力降低。
AI 幫你先抓重點
AI 重點 1
速度幻覺揭示使用者對 AI 效率的過度樂觀預估。
滑鼠懸停看 AI 判斷理由
此洞察提醒設計者需提供實際效能回饋與使用者訓練，避免因預期失衡而降低 AI 接納度，進而影響學習成效。
AI 重點 2
AI 降低主觀努力感，可能提升學習動機與參與度。
滑鼠懸停看 AI 判斷理由
了解 AI 如何改變努力感，可協助教育工作者設計更具吸引力的學習任務，並利用 AI 作為降低學習負擔的工具。
核心研究發現
- 1
實際完成時間在獨立完成與 AI 協助之間無顯著差異。
- 2
參與者預測 AI 協助的完成速度顯著快於實際，形成速度幻覺。
- 3
對人類協助的預測並未出現同樣的速度偏差。
- 4
儘管完成時間相同，使用者報告 AI 協助時主觀努力感顯著降低。
對教育工作者的啟發
1. 在導入 AI 工具前，先進行使用者預期校準，提供實際效能數據與案例，減少速度幻覺。2. 設計 AI 協助流程時，強調其降低主觀努力的特性，可提升學習動機。3. 透過反饋機制讓使用者即時比較 AI 協助與獨立完成的實際時間，促進自我監控與調整。4. 在課程設計中，將 AI 作為輔助工具而非替代者，並明確說明其效能與限制，避免使用者過度依賴。5. 針對需要高精度時間管理的學習任務，提供 AI 協助時的時間估算練習，提升使用者的時間感知準確度。
原始文獻資訊
- 英文標題：
- Cognitive offloading and the speedup illusion in human-AI interaction
- 作者：
- Sunny Yu, Myra Cheng, Ahmad Jabbar, Ilia Sucholutsky, Katherine M. Collins, Dan Jurafsky, Robert D. Hawkins
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。