期待同理心：互動情境如何形塑數位溝通中的同理回應規範
arXiv - Human-Computer InteractionTao Wang, Chi-Ching Juan
研究發現「壓力下的決策支持」情境需要高同理心與高工具性（實用性）的非對稱回應模式。
AI 幫你先抓重點
AI 重點 1
打破「同理心與實用性不可兼得」的二元對立觀念
滑鼠懸停看 AI 判斷理由
傳統觀點常認為同理心（情感支持）與工具性（任務解決）是兩極。本研究證明在特定高壓決策情境下，兩者可以並存，這為設計更精準的 AI 輔助系統提供了新的參數模型。
AI 重點 2
同理心表達與社群認可品質之間的潛在衝突
滑鼠懸停看 AI 判斷理由
研究發現高同理心有時與社群認可的品質呈負相關，這提醒開發者在設計 AI 互動時，不能僅追求情緒價值，必須平衡情緒支持與實際解決問題的有效性。
核心研究發現
- 1
「壓力下的決策支持」情境展現非對稱特徵：其同理心程度接近情感揭露，但工具性（解決問題的能力）則與任務導向型互動相當。
- 2
數據顯示壓力下的決策支持回應同理心顯著高於任務型（0.47 vs 0.24），且維持高工具性（0.83 vs 0.77）。
- 3
在該情境中，行為同理心佔比達 36.6%，且社群驗證的回應品質與同理心表達呈現負相關（r = -0.075）。
- 4
不同社群的規範會大幅改變同理心的基準值，但整體結構性的回應順序保持一致。
對教育工作者的啟發
對於開發教育輔助 AI 或學習支持系統的設計者，本研究提供了重要的設計準則：當學生面臨高壓力的學習決策（如升學選擇、研究方向抉擇）時，AI 不應僅提供單純的情感安慰，也不應僅提供冷冰冰的資訊。系統應模擬「壓力下的決策支持」模式，即在展現高度行為同理心的同時，必須維持極高的工具性與實用建議，才能符合人類在數位溝通中的預期規範。
原始文獻資訊
- 英文標題：
- Expecting Empathy: How Interaction Context Shapes Norms for Empathic Response in Digital Communication
- 作者：
- Tao Wang, Chi-Ching Juan
- 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。