委派還是親力親為？理解混合式人機介面中的使用者行為
arXiv - Human-Computer InteractionGavin Raine Dizon, Tyrone Justin Sta Maria, Jordan Aiko Deja, Yasuyuki Sumi
研究發現 AI 助理能有效降低操作負擔，但未必能提升任務完成速度，且委派行為受個人特質影響大於任務性質。
AI 幫你先抓重點
AI 重點 1
AI 的價值在於「減輕認知與操作負擔」，而非單純「提升效率」。
滑鼠懸停看 AI 判斷理由
這挑戰了開發者過度追求「速度」的思維。在設計教育工具時，應更關注如何透過 AI 減少學生的瑣碎操作，讓他們能將認知資源集中在更高階的學習目標上，而非僅僅追求完成任務的速度。
AI 重點 2
使用者行為的「個人差異」是影響 AI 採納度的關鍵因素。
滑鼠懸停看 AI 判斷理由
研究顯示委派行為更多取決於「使用者是誰」而非「任務是什麼」。這意味著教育科技產品不應設計單一的 AI 互動模式，而應提供高度可自定義的介面，以適應不同自主學習能力或信任度的學生。
核心研究發現
- 1
AI 輔助互動顯著減少了點擊次數、頁面導覽與捲動行為，顯示使用者的操作負擔與互動努力程度大幅降低。
- 2
儘管操作負擔降低，但 AI 輔助並未顯著縮短任務完成時間，各組間的任務總時長並無統計上的顯著差異。
- 3
使用者對於委派任務的行為與操作類型（如 CRUD 任務風險）無顯著關聯，顯示使用者並未系統性地規避高風險任務。
- 4
委派行為在不同參與者之間存在高度差異，個人特質解釋了約一半的助理使用變異量（ICC = .50）。
對教育工作者的啟發
對於教育科技開發者而言，設計 AI 輔助學習工具時，不應僅以「縮短學習時間」作為成功指標，而應衡量 AI 是否能有效降低學生的「操作摩擦力」。例如，在進行複雜的專題式學習（PBL）時，AI 可以協助處理資料整理、格式調整等低階任務，讓學生專注於高階的批判性思考。此外，由於學生對 AI 的使用習慣具有高度個人化特徵，系統應具備彈性，允許學生在「親自操作」與「委派 AI」之間自由切換，以支持不同程度的自主學習需求。
原始文獻資訊
- 英文標題：
- Delegating or Doing? Understanding User Behavior in Hybrid Human-Agent Interfaces
- 作者：
- Gavin Raine Dizon, Tyrone Justin Sta Maria, Jordan Aiko Deja, Yasuyuki Sumi
- 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。