神經多樣性情緒調節的用戶體驗研究（UXR）觀點：生成式 AI 輔助框架
arXiv - Human-Computer InteractionMelike Akca, Mona Giff, Deniz Cetinkaya, Huseyin Dogan, Stephen Giff
本文提出一套結合生成式 AI 與心理學框架的 UXR 方法論，旨在為 ADHD 成人設計具神經包容性的情緒調節數位干預工具。
AI 幫你先抓重點
AI 重點 1
生成式 AI 不僅是內容生成工具，更是 UXR 中的「協作分析夥伴」。
滑鼠懸停看 AI 判斷理由
這改變了傳統設計流程中人工處理數據的模式，透過 AI 輔助假設生成與洞察合成，能更有效地橋接心理學理論與實際設計實務，提升設計的科學性。
AI 重點 2
強調「神經包容性（Neuroinclusive）」在數位心理健康設計中的核心地位。
滑鼠懸停看 AI 判斷理由
這提醒設計者不能僅依賴通用型的設計標準，必須針對 ADHD 等特定神經特質進行深度定制，將心理學機制直接轉化為設計語言，才能真正落實以人為本的干預。
核心研究發現
- 1
現有的數位與 AI 情緒調節系統普遍存在理論整合不足、缺乏對神經多樣性考量以及缺乏結構化 UXR 方法論的問題。
- 2
開發了一套基於 UXR PoV Playbook 的四階段方法論，整合了 DBT、SDT 及 COM-B 行為模型等心理學框架。
- 3
研究產出十張基於理論的 UXR 遊戲卡（Play Cards），將複雜的心理機制與實證研究轉化為可執行的設計指南。
- 4
提出一個可複製且具備偏見意識的框架，利用生成式 AI 作為協作分析工具，協助進行假設生成與設計表達。
對教育工作者的啟發
對於開發學習輔助工具或情緒調節 App 的設計者，建議不要僅從功能面出發，應先建立「理論驅動」的設計流程。首先，應整合如自我決定論（SDT）等心理學框架，確保工具能滿足使用者的自主性與勝任感；其次，可嘗試將生成式 AI 導入研究階段，用於快速將複雜的行為科學數據轉化為具體的設計指令（Design Articulation）；最後，設計應具備「神經包容性」，針對 ADHD 使用者的注意力與情緒調節特質，提供結構化且低認知負荷的引導，而非單純的提醒功能。
原始文獻資訊
- 英文標題：
- UXR PoV for Neuroinclusive Emotion Regulation
- 作者：
- Melike Akca, Mona Giff, Deniz Cetinkaya, Huseyin Dogan, Stephen Giff
- 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。