藉由較弱大型語言模型塑造人機合作的信任判斷
arXiv - Human-Computer InteractionMd Touhidul Islam, Mahir Akgun, Syed Billah
本研究探討在高等教育中，如何透過運用能力較弱的大型語言模型（LLM），建構人機合作的信任關係，並提升學生的 AI 素養。
AI 幫你先抓重點
AI 重點 1
弱 LLM 的運用能促進學生對 AI 輸出的批判性評估。
滑鼠懸停看 AI 判斷理由
文章強調，過於強大的 AI 可能會降低學生驗證的動機。使用能力較弱的 LLM，能讓學生更清楚地看到 AI 的不足，並主動參與驗證過程，提升 AI 素養。
AI 重點 2
「跨式記憶」框架有助於理解人機合作中的信任建立。
滑鼠懸停看 AI 判斷理由
此框架將人與 AI 的互動視為一種分工合作，信任度是影響合作效率的關鍵。理解此框架，有助於教育者設計更有效的人機合作學習活動，並引導學生建立健康的信任關係。
核心研究發現
- 1
研究將學生與 AI 的互動視為一種「跨式記憶」夥伴關係，信任度是影響依賴與驗證程度的關鍵。
- 2
運用較弱 LLM 有助於突顯 AI 的局限性，促使學生更積極地進行輸出驗證，而非直接信任 AI 的結果。
- 3
在課程中，先進行反思，再諮詢 AI 的「反思優先」策略，能有效影響學生對 AI 的信任度。
- 4
「驗證必要」策略（使用 AI 後再評估輸出）也顯著影響了學生對 AI 的信任度，但效果在課程後期更為明顯。
- 5
研究結果顯示，透過不同的教學設計，可以塑造學生在人機合作中的信任判斷，並提升其 AI 素養。
對教育工作者的啟發
教育者應考慮在課程中運用能力適中的 AI 工具，而非過於強大的模型，以鼓勵學生進行批判性思考和輸出驗證。設計課程時，可嘗試「反思優先」或「驗證必要」的策略，引導學生建立對 AI 的合理信任，並提升其 AI 素養。此外，將人機合作視為一種跨式記憶夥伴關係，有助於更有效地設計學習活動。
原始文獻資訊
- 英文標題：
- Shaping Credibility Judgments in Human-GenAI Partnership via Weaker LLMs: A Transactive Memory Perspective on AI Literacy
- 作者：
- Md Touhidul Islam, Mahir Akgun, Syed Billah
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
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。