數位碎片化與生成式 AI 使用：基於一億次應用程式事件的分析
arXiv - Human-Computer InteractionSumer S. Vaid, Ashley V. Whillans
研究發現數位碎片化主要隨每日工作狀態波動，且生成式 AI 的使用有助於使後續工作模式變得更集中且可預測。
AI 幫你先抓重點
AI 重點 1
AI 可能扮演「工作結構化工具」而非僅是效率增強器。
滑鼠懸停看 AI 判斷理由
傳統觀點認為 AI 可能加劇數位分心，但本研究顯示 AI 使用後能帶來更穩定、集中的工作模式，這改變了我們對 AI 在管理認知負荷與減少數位碎片化角色上的認知。
AI 重點 2
數位碎片化是一個「動態」而非「靜態」的特徵。
滑鼠懸停看 AI 判斷理由
研究顯示每日波動比個人特質更影響碎片化，這意味著干預措施應著重於「當下的工作設計」與「每日工作流管理」，而非僅僅針對個人特質進行培訓。
核心研究發現
- 1
數位碎片化的變動主要源於員工每日的狀態差異（佔 44.6%），略高於個體間的穩定差異（35.8%），遠高於組織間的差異（19.6%）。
- 2
碎片化程度會隨工作週進度增加，並在週末或節日後重置；此外，頻繁使用通訊軟體與高度碎片化的工作模式呈正相關。
- 3
生成式 AI 的使用雖然發生在碎片化程度較高的日子，但使用 AI 後的工作模式會轉變為範圍更窄、持續時間更長且更具預測性的應用行為。
對教育工作者的啟發
對於教育科技設計者而言，這項研究提供了重要啟發：設計學習工具或數位學習環境時，不應僅追求功能的豐富度，更應關注如何減少學習者在不同應用程式間切換產生的「數位碎片化」。若能將生成式 AI 整合進學習流程中，設計者可以利用 AI 作為「結構化引導者」，在學習者處於分心或碎片化狀態時，透過 AI 提供更具聚焦性、長時段且可預測的任務路徑，幫助學習者從混亂的資訊切換中恢復，進入深層學習（Deep Learning）的狀態。
原始文獻資訊
- 英文標題：
- Digital Fragmentation and Generative AI Use Across 103 Million Application Events
- 作者：
- Sumer S. Vaid, Ashley V. Whillans
- 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。