Moodie：利用大型語言模型聊天機器人緩解錯失恐懼症（FoMO）的早期設計探索
arXiv - Human-Computer InteractionHsin-Yu Tsai, Jingxian Liao, Fu-Yin Cherng, Tzu-Hsiang Huang
研究開發了專為緩解錯失恐懼症（FoMO）設計的 LLM 聊天機器人 Moodie，並證實其在提升參與度與社交連結方面優於通用型模型。
AI 幫你先抓重點
AI 重點 1
專用型 AI 機器人與通用型模型的差異化價值
滑鼠懸停看 AI 判斷理由
這項發現挑戰了「通用型大語言模型即可應對所有需求」的觀念。在心理健康支持領域，針對特定情緒調節需求進行設計的「目的導向型」機器人，在建立情感連結與使用者參與度上具有不可替代的優勢。
AI 重點 2
從情緒調節角度切入數位健康干預
滑鼠懸停看 AI 判斷理由
研究不僅關注行為控制，更強調情緒與認知層面的支持。這對於開發數位學習工具或社交媒體干預機制提供了新思路：應著重於提升使用者的情緒調節能力，而非僅僅是限制使用時間。
核心研究發現
- 1
初步評估研究顯示，Moodie 與通用型聊天機器人（GPT-4o）在降低 FoMO 的程度上效果相當。
- 2
相較於通用型模型，專門設計的 Moodie 聊天機器人能帶動使用者更高的參與度與社交連結感。
- 3
研究透過形成性研究（Formative Study）深入了解 FoMO 個體的心理需求，並以此作為開發 Moodie 的設計基礎。
對教育工作者的啟發
對於開發者與設計者而言，此研究強調了「情境化設計」的重要性。在設計 AI 輔助工具（如學習輔助或心理支持工具）時，不應僅依賴通用型 AI 的能力，而應根據特定目標族群的情緒需求（如 FoMO 帶來的焦慮）進行功能與對話風格的客製化設計。這能有效提升使用者的參與感與工具的實用性，從單純的資訊提供轉向深層的情緒支持與行為引導。
原始文獻資訊
- 英文標題：
- Moodie: An Early-Stage Design Exploration for Supporting Fear of Missing Out with LLM-based Chatbots
- 作者：
- Hsin-Yu Tsai, Jingxian Liao, Fu-Yin Cherng, Tzu-Hsiang Huang
- 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。