自我修正與社交連結：如何形塑社交聊天機器人的可信度
arXiv - Computers and SocietyBiswadeep Sen, Yi-Chieh Lee
研究發現社交機器人透過「自我修正」錯誤，比依賴外部來源更能維持其專業度與信任感。
AI 幫你先抓重點
AI 重點 1
社交連結不只是設計美學，更是強化錯誤修正效果的功能性機制。
滑鼠懸停看 AI 判斷理由
這改變了我們對社交設計的認知。以往認為社交連結僅是為了增加趣味性，但研究證明，強大的情感連結能放大自我修正的正面影響，讓使用者在面對錯誤時更願意接受修正。
AI 重點 2
避免將錯誤修正「外包」給第三方，以免切斷信任鏈結。
滑鼠懸停看 AI 判斷理由
在開發 AI 系統時，若將錯誤修正交由外部連結或專家說明，雖然資訊正確，卻會破壞使用者與 AI 建立的社交關係，導致信任感斷裂，這對需要長期互動的教育 AI 尤為重要。
核心研究發現
- 1
三種錯誤修正策略（網頁撤回、自我修正、專家修正）在修正錯誤的效果上相當，但僅有「自我修正」能維持機器人的可信度。
- 2
相較於由外部來源修正錯誤，使用者對「自我修正」的機器人給予更高的信任度與專業度評分。
- 3
使用者與機器人之間的社交連結（社交吸引力與自我揭露）能顯著預測信念改變的程度，但此效應僅在機器人進行「自我修正」時才成立。
對教育工作者的啟發
在設計用於教學或輔導的 AI 聊天機器人時，應優先開發「自我監測與自我修正」機制，而非僅僅提供外部錯誤提示。當 AI 偵測到生成內容有誤時，應以第一人稱進行修正（例如：「抱歉，我剛才說錯了，正確資訊是...」），這不僅能維持教學權威性，還能利用已建立的師生/學員社交連結，提升學習者對正確資訊的接受度。此外，建立良好的社交互動（如適度的自我揭露）能成為錯誤發生時的緩衝墊，讓學習過程更具韌性。
原始文獻資訊
- 英文標題：
- Correct Yourself, Keep My Trust: How Self-Correction and Social Connection Shape Credibility in Social Chatbots
- 作者：
- Biswadeep Sen, Yi-Chieh Lee
- 來源：
- arXiv - Computers and Society
- 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。