社交型 LLM 聊天機器人之信任動態研究：以 Snapchat My AI 為例
arXiv - Computers and SocietyAnnie Landerberg, Kari Flatmo, Alan Said
本研究透過縱向研究發現，用戶對社交型 AI 的信任並非靜態，而是隨互動過程不斷演進的動態狀態。
AI 幫你先抓重點
AI 重點 1
信任應被視為一種「情境化且動態」的用戶狀態，而非單一維度的指標。
滑鼠懸停看 AI 判斷理由
這挑戰了傳統將信任視為穩定特質的觀點。對於開發者而言，這意味著系統必須具備適應性，能隨著用戶與 AI 關係的深化，動態調整其互動模式與透明度表現。
AI 重點 2
擬人化（Anthropomorphism）是一把雙面刃。
滑鼠懸停看 AI 判斷理由
雖然擬人化能增加親近感，但若與透明度不足並存，會導致用戶在發現 AI 侷限時產生落差。這提醒設計者在追求自然對話時，必須同步強化系統能力的邊界說明。
核心研究發現
- 1
信任受多重因素影響，包括 AI 的感知能力、對話行為、擬人化程度、透明度、隱私疑慮以及對宿主平台的信任。
- 2
信任並非一次性的評估，而是隨著用戶調整預期、優化提示策略（Prompting）以及主動調節依賴程度而持續演變。
- 3
對話流暢度雖能提升參與度，但過度的擬人化與透明度不足反而可能在長期互動中損害用戶的信任感。
對教育工作者的啟發
對於開發教育型 AI 代理（Agent）的設計者而言，應避免過度擬人化以防誤導學習者，並應建立「透明度機制」，明確告知 AI 的能力邊界與運作邏輯。此外，設計應支持用戶的「自主調節」，讓學習者能透過調整提示策略來優化互動，而非僅是被動接受 AI 的輸出。建立穩定的信任基礎有助於學習者在長期使用過程中，將 AI 視為可靠的協作夥伴而非僅是工具。
原始文獻資訊
- 英文標題：
- Trust as a Situated User State in Social LLM-Based Chatbots: A Longitudinal Study of Snapchat's My AI
- 作者：
- Annie Landerberg, Kari Flatmo, Alan Said
- 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。