探討互動式教育推薦系統中不同程度使用者控制權之影響
arXiv - Computers and SocietyQurat Ul Ain, Mohamed Amine Chatti, William Kana Tsoplefack, Rawaa Alatrash, Shoeb Joarder
研究發現賦予使用者建立與優化個人檔案的控制權，足以顯著提升對教育推薦系統的正面感知。
AI 幫你先抓重點
AI 重點 1
「輸入控制」是提升使用者參與感與掌控感的關鍵槓桿。
滑鼠懸停看 AI 判斷理由
這改變了開發者對系統設計的認知：與其開發複雜的演算法調整介面（過程控制），不如專注於讓使用者能精準定義自己的學習需求（輸入控制），這能以更低的開發成本換取更高的使用者信任。
AI 重點 2
控制權的設計應遵循「邊際效用遞減」原則。
滑鼠懸停看 AI 判斷理由
研究指出基礎的個人檔案控制已具備足夠效果，過度增加控制選項可能不會帶來顯著的感知提升。這對於設計直覺、不造成認知負荷的學習工具具有重要的實務指導意義。
核心研究發現
- 1
研究顯示，讓使用者能夠建立並精煉其個人檔案（輸入控制）已足以促進對推薦系統的正面感知，進一步增加控制權僅能強化既有印象。
- 2
在不同的控制層級中，「感知控制感」是唯一受到控制權程度顯著影響的目標，其中「輸入控制」的影響力最強。
- 3
不同程度的控制權會以獨特且相互關聯的方式，影響使用者的透明度感知、信任感、滿意度以及對推薦品質的評價。
對教育工作者的啟發
對於教育科技開發者而言，設計推薦系統時不應追求「全方位」的控制權，以免增加學習者的認知負荷。建議優先將開發重心放在「輸入端」的互動，例如提供直覺的介面讓學生能隨時更新其學習目標、興趣或既有知識水平。當學生能主動定義「我是誰」以及「我想學什麼」時，系統產出的推薦內容將更容易獲得學生的信任與滿意。這種設計策略能有效平衡系統的自動化與使用者的自主性，從而提升學習體驗。
原始文獻資訊
- 英文標題：
- Investigating the Effects of Different Levels of User Control in an Interactive Educational Recommender System
- 作者：
- Qurat Ul Ain, Mohamed Amine Chatti, William Kana Tsoplefack, Rawaa Alatrash, Shoeb Joarder
- 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。