大型語言模型依賴量表西班牙語版（LLM-D12-SP）的開發與驗證
arXiv - Computers and SocietyTran Gia Bao, Mo El-Haj, Sameha Al-Shakhsi, Antonio Garcia-Cabot, Raian Ali, Ala Yankouskaya
本研究成功開發並驗證了西班牙語版的 LLM 依賴量表，確認其具備衡量工具性與關係性依賴的心理計量效度。
AI 幫你先抓重點
AI 重點 1
區分「工具性」與「關係性」依賴對於理解 AI 使用行為至關重要。
滑鼠懸停看 AI 判斷理由
這有助於研究者區分使用者是將 AI 視為純粹的生產力工具，還是已產生心理上的情感連結，這對於預防 AI 造成的心理健康問題或社交孤立具有預警意義。
AI 重點 2
跨語言量表的驗證為全球化 AI 心理研究奠定了基礎。
滑鼠懸停看 AI 判斷理由
隨著 AI 在不同文化背景下的普及，具備跨語言效度的評估工具能確保研究結果具備普適性，避免因文化差異導致對 AI 依賴行為的誤判。
核心研究發現
- 1
驗證結果支持原有的雙維度結構，即「工具性依賴」（任務執行與決策支持）與「關係性依賴」（社交與情感陪伴）。
- 2
量表展現良好的內部一致性，總體 Cronbach's alpha 為 0.89，其中工具性與關係性子量表分別為 0.86 與 0.85。
- 3
研究發現 LLM 依賴度與網路成癮及對 LLM 的信任感呈正相關，但與認知需求（need for cognition）的關聯性較弱。
對教育工作者的啟發
對於教育工作者而言，此研究提醒我們在推廣 AI 工具進入教學流程時，需關注學生的依賴模式。若學生表現出過高的「工具性依賴」，可能導致批判性思考與自主決策能力的下降；若出現「關係性依賴」，則需警惕其社交發展與心理健康。建議在課程設計中加入「元認知（Metacognition）」訓練，引導學生意識到 AI 的角色定位，並建立健康的 AI 使用習慣，避免過度依賴導致的學習能力退化。
原始文獻資訊
- 英文標題：
- Developing and Validating the Spanish Version of the Large Language Models Dependency Scale (LLM-D12-SP)
- 作者：
- Tran Gia Bao, Mo El-Haj, Sameha Al-Shakhsi, Antonio Garcia-Cabot, Raian Ali, Ala Yankouskaya
- 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。