人工智慧擬人化的認識論政治學
arXiv - Computers and SocietyDonna M Bye, Levin Kuhlmann
本文批判現行將 AI 擬人化視為「使用者誤解」的制度化框架，指出其忽視了使用者經驗的合法性與社會成本。
AI 幫你先抓重點
AI 重點 1
挑戰「使用者錯誤」的單一敘事框架
滑鼠懸停看 AI 判斷理由
這改變了我們看待人機互動的視角。過去我們傾向於糾正使用者的錯誤認知，但這篇文章提醒我們，這種「糾正」本身可能是一種權力壓迫，忽視了使用者在互動中獲得的真實經驗。
AI 重點 2
關注 AI 互動中的社會公平與包容性
滑鼠懸停看 AI 判斷理由
這對於設計包容性科技至關重要。如果教育科技產品預設了一種「標準」的互動方式，可能會排斥或病理化那些具有不同認知風格（如神經多樣性）的使用者，造成數位鴻溝。
核心研究發現
- 1
現行主流框架將使用者與 AI 的擬人化互動視為一種需要糾正的「錯誤」或「認知缺陷」，而非一種有效的互動模式。
- 2
這種將擬人化歸因於使用者錯誤的制度化立場，缺乏足夠的認識論權威，且未能解決 AI 本質定義不明的問題。
- 3
現有的解釋框架對神經多樣性使用者、處於危機中的個體等非典型互動者造成了不成比例的社會與心理成本。
對教育工作者的啟發
教育科技設計者在開發 AI 學習工具時，不應僅將使用者對 AI 的情感連結或擬人化傾向視為「需消除的干擾」，而應思考如何建立更具包容性的互動界面。對於教育工作者而言，在引導學生使用生成式 AI 時，應尊重學生與 AI 之間建立的獨特關係，避免將其簡單標籤化為「缺乏判斷力」，轉而探討這種互動如何影響學生的學習歷程與自我認同，特別是針對神經多樣性學生，應提供更多元且不具批判性的互動支持。
原始文獻資訊
- 英文標題：
- The Epistemic Politics of AI Anthropomorphism
- 作者：
- Donna M Bye, Levin Kuhlmann
- 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。