理解人機情感連結上升：概念化與 HAABI量表開發
arXiv - Human-Computer InteractionLu Chen, Xiaoran Xue, Rongqi Ding, Fenghua Tang, Anji Zhou, Chenxi Wang, Mengyu Miranda Gao, Zhuo Rachel Han
開發並驗證 HAABI 量表，揭示人機情感連結的四大維度。
AI 幫你先抓重點
AI 重點 1
人機情感連結可分為情感真實性、分離焦慮、情感投入與浪漫親密四大維度。
滑鼠懸停看 AI 判斷理由
此四因子框架使研究者能精細區分不同類型的情感連結，進而探討其對使用者心理健康與學習成效的影響，提供更具針對性的介入策略。
AI 重點 2
HAABI 量表提供中立、以使用者為中心的評估工具，能客觀測量人機情感連結，協助設計師調整對話式 AI 的情感回饋機制。
滑鼠懸停看 AI 判斷理由
透過量表數據，AI 設計者可辨識使用者的分離焦慮或浪漫親密傾向，避免過度情感化或不適當的情感互動，提升使用者體驗與安全性。
核心研究發現
- 1
HAABI 量表共 20 項，經驗證呈現四因子結構：情感真實性、分離焦慮、情感投入與浪漫親密。
- 2
量表在 673 名華語對話式 AI 使用者中展現良好內部一致性、構念效度與已知群組效度。
- 3
研究一透過主題分析 52 名情感投入使用者的半結構式訪談，辨識出人機連結的認知、情感與行為特徵。
- 4
研究二將上述洞見轉化為自評量表，並透過探索性與確認性因素分析驗證其結構。
對教育工作者的啟發
對教育工作者而言，HAABI 可用於評估學生與 AI 教學助手之間的情感連結，辨識分離焦慮或過度浪漫親密的風險，進而調整教學策略或提供情緒支持。課程設計者可依據量表結果，設計具備適度情感回饋的對話式 AI，避免過度依賴或情感失衡，提升學習動機與成效。
原始文獻資訊
- 英文標題：
- Understanding the Rising Human-AI Affective Bonding: Conceptualization and HAABI Scale Development
- 作者：
- Lu Chen, Xiaoran Xue, Rongqi Ding, Fenghua Tang, Anji Zhou, Chenxi Wang, Mengyu Miranda Gao, Zhuo Rachel Han
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
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。