生成式 AI 採用的角色遷移與預期重新校準：交通部長期研究
arXiv - Computers and SocietyOmidreza Shoghli, Fatemeh Banani Ardecani, Amin Mohamadi Hezaveh
研究發現員工在使用生成式 AI 後，預期會因實際效用不如預期而產生「重新校準」，導致使用者角色發生顯著遷移。
AI 幫你先抓重點
AI 重點 1
警惕「擁護者」向「平庸者」轉化的現象
滑鼠懸停看 AI 判斷理由
這顯示初期的熱情可能源於對技術的過度期待，實際使用後的落差會導致支持度大幅下滑，這提醒組織在推動 AI 時，不應只追求初期採用率，更需關注長期留存。
AI 重點 2
從技術擔憂轉向職涯發展擔憂的心理轉向
滑鼠懸停看 AI 判斷理由
當使用者熟悉技術後，擔憂點會從「工具好不好用」轉向「這會如何影響我的工作價值」，這對於設計 AI 輔助教學或工作流程時，如何整合人的專業技能至關重要。
核心研究發現
- 1
使用後感知有用性顯著下降，顯示使用者對 AI 的預期經歷了重新校準，但易用性、行為意圖與信任度變化不明顯。
- 2
使用者角色發生大幅遷移：40% 的懷疑者轉向謹慎積極者，但 68% 的擁護者轉向熱情度較低的群體。
- 3
使用情境發生變化：溝通與摘要任務保持穩定，但處理數據、圖表與簡報任務的使用頻率有所下降。
- 4
對準確性與隱私的擔憂減少，但對工作內容與技能需求的擔憂卻隨之增加。
對教育工作者的啟發
教育工作者或課程設計者在導入 AI 工具時，應採取「動態支持策略」而非單次培訓。首先，需設計「預期管理」課程，避免過度神化 AI 以減少後續的落差感；其次，應針對不同角色（如懷疑者與擁護者）提供差異化培訓，例如為懷疑者提供具體的應用範例，為擁護者提供進階的驗證與校對技巧；最後，課程應從單純的「工具操作」轉向「工作流整合」，特別是處理技能轉型與工作內容變化的心理支持與技能重塑。
原始文獻資訊
- 英文標題：
- Persona Migration and Expectation Recalibration in Generative AI Adoption: A Longitudinal Study at a State Department of Transportation
- 作者：
- Omidreza Shoghli, Fatemeh Banani Ardecani, Amin Mohamadi Hezaveh
- 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。