同理心作為預測失配容忍度：對話修復的共同調節框架
arXiv - Human-Computer InteractionMolood Arman
本文重新定義同理心為「預測失配容忍度」，主張 AI 應學習管理理解間的距離而非僅追求共鳴。
AI 幫你先抓重點
AI 重點 1
從「追求共鳴」轉向「管理分歧」的設計範式轉移
滑鼠懸停看 AI 判斷理由
傳統 AI 設計傾向於讓機器模仿人類情緒以達成一致，但本文指出長期的有效互動需要容忍並調節理解上的落差，這對於開發具備深度對話能力的教學 AI 至關重要。
AI 重點 2
理解「修復」在不同雜訊環境下的權衡關係
滑鼠懸停看 AI 判斷理由
研究揭示了修復機制並非總是提升精確度，在資訊混亂時，保留「大意」比追求「精確細節」更具功能性，這能幫助設計者決定何時該介入對話。
核心研究發現
- 1
研究發現同理心不應僅被視為情感共鳴或狀態鏡像，而應被視為在時間維度上預測並調節理解分歧的能力。
- 2
提出「解釋錯誤容忍度（IET）」框架，將同理心建模為在代理人之間維持一個可行的分歧帶，而非消除分歧。
- 3
實驗顯示對話修復在低雜訊下會降低檢索準確度，但在高雜訊下能有效保留語意大意（gist preservation）。
對教育工作者的啟發
對於開發 AI 導師（AI Tutor）的設計者而言，這提供了重要啟發：當學生與 AI 產生理解偏差時，AI 不應強求立即達成完全一致的理解，而應具備「容忍度」，透過調節理解間的距離來引導對話。在教學情境中，當學生表達模糊或錯誤時，AI 的修復策略應根據情境調整——在資訊清晰時追求精確度，在學生混亂時則著重於維持學習主題的大意，而非糾結於細節錯誤，這有助於維持學習動機與對話的持續性。
原始文獻資訊
- 英文標題：
- Empathy as Predictive Misalignment Tolerance: A Co-Regulation Framework and the Regime Structure of Dialogue Repair
- 作者：
- Molood Arman
- 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。