aiedtechhigher educationsrllearning design

學術環境下 AI 疲勞的定義：維度、指標與階段模型

arXiv - Computers and SocietyJohn Paul P. Miranda, Emmanuel B. Parre\~no, Jovita G. Rivera

提出 AI 疲勞概念模型，辨識五大維度並建構階段式累積框架

AI 幫你先抓重點

AI 重點 1

AI 疲勞是獨立於現有技術壓力框架的概念，揭示學生在長期使用 AI 時的多維壓力

滑鼠懸停看 AI 判斷理由
此洞察提醒教育者與研究者，傳統的 technostress 或數位疲勞模型不足以捕捉 AI 使用帶來的獨特壓力，需針對 AI 疲勞設計評估與干預措施
AI 重點 2

階段式模型顯示 AI 疲勞在多次互動中累積，提示設計 AI 工具時需考慮使用頻率與任務長度

滑鼠懸停看 AI 判斷理由
了解疲勞累積機制可協助課程設計者調整 AI 介入節奏、分段任務、提供情緒支持，降低學生負擔並提升學習成效

核心研究發現

  1. 1

    提出五大 AI 疲勞維度：認知過載、動機脫離、道德不安、身體負擔與注意力漂移，每維度包含兩項指標

  2. 2

    利用扎根理論分析 1,054 名菲律賓大學生開放式回覆，驗證上述維度與指標的實際存在

  3. 3

    構建階段式 AI 疲勞模型，說明在多次 AI 互動中壓力如何累積並相互強化

  4. 4

    研究為 AI 疲勞提供概念與實證基礎，為未來量表開發與跨情境研究奠定基礎

對教育工作者的啟發

教育者可透過減少 AI 交互頻率、設計明確任務分段、提供情緒支持、監測學生疲勞指標，降低 AI 疲勞。建議在課程設計中加入 AI 使用時間限制、定期檢測學生認知負荷與情緒狀態，並提供替代學習資源，以維持學習動機與身體健康。

原始文獻資訊

英文標題：
Defining AI Fatigue in Academic Contexts: Dimensions, Indicators, and a Stage-Based Model Using Grounded Theory
作者：
John Paul P. Miranda, Emmanuel B. Parre\~no, Jovita G. Rivera
來源：
arXiv - Computers and Society
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

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。