人機互動中的打字行為：透過按鍵動力學揭示提示詞撰寫時的認知負荷
arXiv - Human-Computer InteractionLaura Sch\"utz, Yousri Cherif, Clara Sayffaerth, Thomas Weber, Francesco Chiossi
研究發現按鍵動力學能有效反映使用者在與 LLM 互動時的認知努力程度，但無法預測對輸出結果的滿意度。
AI 幫你先抓重點
AI 重點 1
按鍵行為可作為評估 AI 互動中認知負荷的即時生物指標。
滑鼠懸停看 AI 判斷理由
這改變了傳統依賴事後問卷（如 NASA-TLX）評估學習負荷的模式，未來可透過監測打字節奏，在使用者感到挫折前即時介入，實現更精準的適應性學習設計。
AI 重點 2
認知努力程度與協作成功感之間存在脫鉤現象。
滑鼠懸停看 AI 判斷理由
這提醒設計者，使用者在撰寫提示詞時感到「費力」並不代表 AI 的回饋是無效的。在設計 AI 輔助學習系統時，必須區分「思考的深度」與「工具的效能」，避免誤將高負荷視為學習成效不佳。
核心研究發現
- 1
高難度任務會導致使用者產生顯著較多的按鍵次數、較慢的打字速度、增加停頓時間，以及更高的 NASA-TLX 自我報告工作負荷。
- 2
裝置類型對行為影響較弱，但使用行動裝置會導致輸入長度略微減少且打字速度變慢。
- 3
雖然按鍵動力學能捕捉到認知努力程度的差異，但無法作為預測使用者認為 LLM 輸出內容是否有用的指標。
對教育工作者的啟發
對於教育科技設計者而言，這項研究提供了開發「智慧型學習輔助系統」的數據基礎。首先，可利用打字速度與停頓時間作為監測學生認知負荷的指標，當系統偵測到異常的高負荷時，可主動提供提示或降低任務難度。其次，在設計 AI 導師（AI Tutor）時，應意識到學生在構思提示詞（Prompting）時的掙扎是認知參與的表現，不應僅以輸出結果的正確性來衡量學習品質，而應結合行為數據與學習目標進行多維度的評估。
原始文獻資訊
- 英文標題：
- Typing Behavior in Human-LLM Interaction: Keystroke Dynamics Reveal Cognitive Effort During Prompting
- 作者：
- Laura Sch\"utz, Yousri Cherif, Clara Sayffaerth, Thomas Weber, Francesco Chiossi
- 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。