認識作者：AI 標籤是否會對短篇小說產生負面評價？
arXiv - Computers and SocietyMichael Todasco, Joselyn Cesare
研究發現 AI 標籤雖不直接影響作品品質評價，但會顯著降低讀者對創作投入程度的感知。
AI 幫你先抓重點
AI 重點 1
「AI 懲罰」的核心不在於品質判斷，而在於「努力程度」的認知偏差。
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 爭議的理解。人們可能並非覺得 AI 作品不好，而是因為認為 AI 缺乏「人類的勞動投入」，進而導致價值感降低。這對於評估 AI 輔助學習成果時，如何定義「學習努力」提供了新的思考維度。
AI 重點 2
既有偏見（Prior Attitudes）會干擾對 AI 生成內容的客觀評估。
滑鼠懸停看 AI 判斷理由
研究顯示讀者的預設立場會影響對 AI 作品的推薦意願。這提醒教育者在引入 AI 工具時，必須先處理學習者對技術的心理框架，否則技術本身的價值可能會被既有的偏見所掩蓋。
核心研究發現
- 1
作者身分標籤對小說的創意、享受度、推薦意願或原創性並無顯著的主效應，觀察到的效應值均極小。
- 2
標籤強烈影響「推論投入程度」：讀者認為人類創作需時約 148 分鐘，而 AI 創作僅需約 6 分鐘。
- 3
推論投入程度越高，讀者的享受程度越高；此關聯在 AI 標籤組別中依然成立。
- 4
讀者對 AI 的既有態度會調節其推薦行為：對 AI 持正面態度的讀者，會給予 AI 作品更高的推薦評分。
對教育工作者的啟發
對於教育工作者而言，當學生使用 AI 工具進行創作（如寫作或專題）時，應意識到「過程」與「結果」的評價差異。若僅評估最終產出，可能會忽略學生在與 AI 協作過程中的認知投入。建議在評量設計中，除了評估作品品質，應加入對「協作過程」與「提示詞工程（Prompt Engineering）投入」的紀錄與評估，以彌補因 AI 標籤可能導致的「低投入感」偏見，確保學習者的努力能被公平地看見與認可。
原始文獻資訊
- 英文標題：
- Know Your Author: Does the AI Penalty Hold in Short Fiction?
- 作者：
- Michael Todasco, Joselyn Cesare
- 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。