社交欺騙遊戲中的情緒動態：透過電生理活動分析專業與非專業玩家之差異
arXiv - Human-Computer InteractionSho Mitarai, Chang Liu, Goshiro Yamamoto, Nagisa Munekata
本研究透過生理訊號分析發現，專業玩家在情緒高漲時仍能維持說服策略並展現更佳的情緒調節能力。
AI 幫你先抓重點
AI 重點 1
情緒調節能力與溝通策略的穩定性高度相關
滑鼠懸停看 AI 判斷理由
這項發現揭示了高階認知技能（如情緒調節）如何直接影響社交互動中的策略執行，對於開發能模擬高階社交行為的 AI 代理人具有關鍵指導意義。
AI 重點 2
生理訊號可作為評估玩家專業程度與心理狀態的客觀指標
滑鼠懸停看 AI 判斷理由
利用 EDA 等生理數據來量化心理狀態，能彌補傳統自我報告法在情緒評估上的主觀偏差，為設計具備情緒感知能力的教育科技系統提供了數據基礎。
核心研究發現
- 1
專業玩家在情緒高漲時仍能維持以「說服」為核心的溝通策略，而非專業玩家則會轉向以「資訊」為主的溝通模式。
- 2
統計分析顯示，專業玩家在遊戲過程中展現出更穩定的情緒狀態，顯示其具備較強的情緒調節能力。
- 3
研究透過皮膚電活動（EDA）成功捕捉到玩家在社交欺騙遊戲中的生理情緒反應，並與溝通模式進行關聯分析。
對教育工作者的啟發
對於開發教育科技或 AI 學習夥伴的設計者而言，此研究強調了「情緒感知」的重要性。在設計 AI 導師或社交學習系統時，不應僅關注資訊傳遞的準確性，更應整合生理或行為數據來偵測使用者的情緒狀態。若系統能識別使用者正處於情緒高漲或失控的狀態，應能動態調整溝通策略（例如從資訊導向轉為情緒支持或策略引導），以模擬專業人士的穩定性，從而提升學習者在複雜社交或問題解決情境中的表現。
原始文獻資訊
- 英文標題：
- Emotion Dynamics in Social Deception Games: Analysis of Professional and Nonprofessional Players through Electrodermal Activity in Werewolf Games
- 作者：
- Sho Mitarai, Chang Liu, Goshiro Yamamoto, Nagisa Munekata
- 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。