信任多少才夠？探討如何校準對科技的信任度
arXiv - Human-Computer InteractionGabriela Beltr\~ao, Debora F. de Souza, Sonia Sousa, David Lamas
本研究探討如何透過人類電腦信任量表（HCTS）評估信任傾向，並強調在人機互動中「校準信任」的重要性。
AI 幫你先抓重點
AI 重點 1
從「盲目信任」轉向「校準信任（Calibrating Trust）」的概念轉變。
滑鼠懸停看 AI 判斷理由
在 AI 時代，過度信任或信任不足都會導致錯誤決策。理解如何讓使用者建立與系統能力相匹配的信任感，是設計安全且可靠的教育科技產品之關鍵。
AI 重點 2
信任評估必須具備情境化（Contextualization）的解釋能力。
滑鼠懸停看 AI 判斷理由
量表數據僅提供靜態傾向，若不結合實際互動情境，設計者無法得知使用者在特定任務中是否產生了錯誤的信任，這對優化學習工具的互動設計至關重要。
核心研究發現
- 1
研究證實人類電腦信任量表（HCTS）是一個具備潛力的工具，可用於初步評估使用者對科技產品的信任傾向。
- 2
單純的信任傾向評估是不夠的，必須結合使用者與科技互動時的具體情境進行反思與解釋。
- 3
隨著科技日益自主且具備黑箱特性（不透明性），使用者往往難以準確掌握系統的能力與限制。
對教育工作者的啟發
對於教育科技開發者而言，設計 AI 學習助手時，不應只追求增加使用者的信任感，而應著重於「信任校準」。建議在介面設計中加入「透明度機制」，例如明確告知 AI 的能力邊界或信心程度，幫助學生在自主學習時，能正確判斷何時該依賴 AI，何時該進行批判性思考，避免因過度依賴技術而削弱自身的元認知監控能力。
原始文獻資訊
- 英文標題：
- How Much Trust is Enough? Towards Calibrating Trust in Technology
- 作者：
- Gabriela Beltr\~ao, Debora F. de Souza, Sonia Sousa, David Lamas
- 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。