人們如何評估 AI、專家與同儕風格的財務建議
arXiv - Computers and SocietyAryan Ramchandra Kapadia, Eshwar Chandrasekharan, Koustuv Saha
研究發現財務建議的評價受溝通風格與來源標籤共同影響，且錯誤標籤會顯著改變使用者對 AI 建議的信任度。
AI 幫你先抓重點
AI 重點 1
來源標籤不只是透明度的工具，更是一種「詮釋框架」。
滑鼠懸停看 AI 判斷理由
這改變了我們對資訊揭露的認知。標籤不只是告知事實，它會主動引導使用者的認知偏誤，影響他們如何解讀內容的品質與可靠性。
AI 重點 2
溝通風格與來源標籤之間存在交互作用效應。
滑鼠懸停看 AI 判斷理由
這意味著單純優化 AI 的生成內容是不夠的，必須同時考慮使用者如何解讀「誰在說話」，這對於設計具備信任感的 AI 輔助系統至關重要。
核心研究發現
- 1
在內容一致的情況下，專家風格的建議在多項指標上優於 AI 建議，且即使不標註來源，專家風格的優勢依然存在。
- 2
錯誤標籤會顯著提升 AI 建議在情境契合度與整體品質上的評分，並削弱專家風格在情境契合度上的優勢。
- 3
AI 建議的評價對顯示的來源標籤最為敏感，而不同風格建議之間的差異在標註為 AI 時最為明顯。
對教育工作者的啟發
在開發 AI 輔助學習或決策系統時，設計者不應僅專注於內容的準確性，更需關注「資訊呈現的框架」。首先，應意識到標籤（Labeling）具有強大的心理引導作用，錯誤的資訊來源標註可能導致使用者對 AI 產生過度信任或誤判。其次，在設計 AI 溝通風格時，應考慮如何透過語言風格來彌補標籤帶來的認知落差。對於教育科技應用，這提醒我們在引入 AI 導師時，必須謹慎設計其身份標示，以確保學習者能建立正確且健康的信任關係。
原始文獻資訊
- 英文標題：
- How People Evaluate AI-, Expert-, and Peer-Style Financial Advice
- 作者：
- Aryan Ramchandra Kapadia, Eshwar Chandrasekharan, Koustuv Saha
- 來源：
- arXiv - Computers and Society
- 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。