aiedtechassessmenthigher educationmetacognition

對神經認知障礙篩檢的對話式 AI 未來展望：多方觀點

arXiv - Human-Computer InteractionJiaxiong Hu, Ruowen Niu, Qiuxin Du, Chenzhuo Xiang, Yirui Zuo, Jihong Jeung, Xiaojuan Ma

通過多方訪談，揭示對話式 AI 在神經認知障礙篩檢中的社會可接受性、使用者需求與設計衝突，並提出實務設計建議

AI 幫你先抓重點

AI 重點 1

對話式 AI 在神經認知障礙篩檢中的社會可接受性取決於場域與情感支持需求。

滑鼠懸停看 AI 判斷理由
此洞察指出設計必須同時兼顧專業標準化與情感互動，否則使用者可能因缺乏情感支持而不願接受篩檢，影響工具的實際採用與健康管理效果。
AI 重點 2

多方利益衝突揭示設計需同時滿足臨床效能與使用者情感需求，否則可能阻礙早期醫療介入。

滑鼠懸停看 AI 判斷理由
忽視情感需求會降低使用者信任與參與度，進而減少篩檢覆蓋率，對公共健康目標造成負面影響。
AI 重點 3

將 CAI 與現行手工篩檢流程對照，能辨識流程瓶頸與自動化機會，指導實際落地。

滑鼠懸停看 AI 判斷理由
透過使用者旅程圖可明確指出哪些步驟可被 AI 取代或優化，從而提升篩檢效率與準確度，為實務部署提供具體路徑。

核心研究發現

  1. 1

    36位臨床醫師、風險者與照顧者參與訪談，普遍期望將對話式 AI 用於家庭或社區篩檢，以降低社交壓力。

  2. 2

    使用者渴求情感支持，而臨床醫師偏好 AI 的專業標準化執行，形成設計上的衝突。

  3. 3

    研究透過對照手工篩檢與預期 CAI 篩檢的使用者旅程，揭示流程差異與潛在改進點。

  4. 4

    基於人本方法提出可行的 CAI 設計建議，促進早期醫療諮詢。

對教育工作者的啟發

在設計對話式 AI 篩檢工具時，應先確定使用場域（家庭/社區）並提供情感互動模組；同時保留專業標準化流程，並設計易於醫師介入的介面；透過使用者旅程圖辨識手工篩檢瓶頸，優化自動化步驟；最後，建立多方協作機制，確保臨床、使用者與開發者共識，促進早期醫療諮詢。

原始文獻資訊

英文標題：
The Speculative Future of Conversational AI for Neurocognitive Disorder Screening: a Multi-Stakeholder Perspective
作者：
Jiaxiong Hu, Ruowen Niu, Qiuxin Du, Chenzhuo Xiang, Yirui Zuo, Jihong Jeung, Xiaojuan Ma
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

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。