說法很重要：探索 AI 輔助資訊評估中的修辭模式研究
arXiv - Human-Computer InteractionSadra Sabouri, Zeinabsadat Saghi, Jordan Lee Boyd-Graber, Jonathan May, Jonathan K. Kummerfeld, Souti Chattopadhyay
本研究探討不同 AI 修辭模式對使用者資訊驗證準確度、反思深度與滿意度的影響。
AI 幫你先抓重點
AI 重點 1
從「給予答案」轉向「引導思考」的修辭設計。
滑鼠懸停看 AI 判斷理由
過去 AI 傾向於直接給出判斷（指令式修辭），這容易導致使用者產生認知依賴。透過改變修辭模式，可以將 AI 從單純的答案提供者轉變為促進批判性思考的對話夥伴。
AI 重點 2
平衡資訊準確度、使用者滿意度與認知負荷的權衡。
滑鼠懸停看 AI 判斷理由
研究顯示提升思考深度的修辭（如解釋性替代）可能增加使用者的時間成本與負擔。在設計教育工具時，必須在「促進學習效果」與「維持使用者體驗」之間找到最適切點。
核心研究發現
- 1
「鷹架式解釋」（Scaffold Explanation）模式與最高的準確度增長及更深層的反思行為呈現正相關。
- 2
對抗性修辭條件（Adversarial conditions）出乎意料地也能小幅提升使用者的資訊驗證準確度。
- 3
使用者最偏好「替代框架」（Alternative Framing）模式，而最不喜歡「解釋性替代」（Interpretive Alternative）模式，主因是後者被認為過於耗時。
- 4
研究發現 AI 的修辭風格會直接影響使用者是採取被動接受還是主動思考的決策模式。
對教育工作者的啟發
教育科技設計者在開發 AI 輔助學習工具時，不應僅追求 AI 回答的正確性，更應關注「如何表達」。建議採用「鷹架式解釋」來引導學生，而非直接提供標準答案，這有助於提升學生的批判性思考與資訊驗證能力。此外，設計者需注意認知負荷問題，若修辭過於複雜（如過多的解釋性替代），可能會因增加學習者的時間成本而降低使用意願。理想的設計應結合「替代框架」來提供多維度視角，同時維持互動的流暢性。
原始文獻資訊
- 英文標題：
- It Matters How You Say It: Exploring Rhetorical Patterns for AI-Assisted Information Evaluation
- 作者：
- Sadra Sabouri, Zeinabsadat Saghi, Jordan Lee Boyd-Graber, Jonathan May, Jonathan K. Kummerfeld, Souti Chattopadhyay
- 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。