機器能言卻不能聽：設計情感模式與人機溝通中的表達與感知不對稱性
arXiv - Human-Computer InteractionJan K. Argasinski
研究發現機器能有效引發人類情緒，但人類的情緒反應卻難以透過生理指標被機器準確感知。
AI 幫你先抓重點
AI 重點 1
警惕「閉環情感適應系統」的設計陷阱
滑鼠懸停看 AI 判斷理由
目前的設計假設機器能透過生理數據讀取情緒並進行調整，但研究顯示生理指標與主觀感受並不一致，這意味著若僅依賴生理數據進行自動化調整，系統可能會做出錯誤的決策。
AI 重點 2
區分「情感表達」與「情感感知」的技術落差
滑鼠懸停看 AI 判斷理由
這項發現挑戰了人機互動中「雙向溝通」的理想模型，提醒開發者在設計 AI 情感互動時，不應過度依賴生理感測器來定義使用者的心理狀態。
核心研究發現
- 1
機器設計的情感模式能有效引發人類情緒，實驗中情緒效價（valence）顯著下降，並能區分出憤怒、恐懼與悲傷的特徵。
- 2
人類的生理反應與情緒感受存在脫節，自陳覺察的情緒喚起（arousal）並未隨機器訊息改變，生理指標也僅在極端事件下才有反應。
- 3
研究揭示了「表達與感知的非對稱性」，即機器在傳遞情感訊息方面具有代理能力，但在讀取人類生理回饋方面卻極其困難。
對教育工作者的啟發
對於開發情感適應型學習系統（Affect-adaptive learning systems）的設計者而言，應避免過度依賴生理感測器（如心率、皮膚電）作為判斷學生情緒狀態的唯一依據。由於生理數據與實際情緒感受存在顯著的脫節，建議應結合多模態數據（如表情、語音、學習行為）並優先參考使用者的主觀回饋，以建立更精準的情感支持機制，避免系統因誤判情緒而導致干擾學習的錯誤介入。
原始文獻資訊
- 英文標題：
- The machine can say it but cannot hear it. Designed affective patterns and the expressive-sensing asymmetry in human-machine communication
- 作者：
- Jan K. Argasinski
- 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。