「你真正想做的是什麼？」：從日常電腦使用行為共同建構人生目標
arXiv - Human-Computer InteractionShardul Sapkota, Matthew J\"orke, Zane Sabbagh, Omar Shaikh, Grace Wang, James A. Landay
提出一種「奮進共同創作」機制，透過觀察日常電腦行為並結合人工修正，推論使用者的長期人生目標。
AI 幫你先抓重點
AI 重點 1
從「行為觀察」轉向「意圖推論」的範式轉移
滑鼠懸停看 AI 判斷理由
傳統系統僅能捕捉使用者「正在做什麼」，而此研究強調理解「為什麼做」，這對於開發能提供深層支持而非僅是表面輔助的智慧型學習環境至關重要。
AI 重點 2
強調使用者在 AI 模型建構中的代理權（Agency）
滑鼠懸停看 AI 判斷理由
單純的自動化推論可能導致誤解，透過「共同創作」讓使用者修正 AI 的判斷，不僅提升了模型的準確性，更確保了技術應用符合使用者的自我認同。
核心研究發現
- 1
研究提出「奮進共同創作」流程，能從非結構化的電腦使用觀察中，逐步建構出層次化的個人活動與目標表示法。
- 2
透過為期一週的田野調查（N=14）證實，該系統產生的目標推論能代表參與者的長期目標，且比基準方法提供更高的自主權。
- 3
系統設計了編輯介面，允許使用者對系統的理解進行修正，並將這些回饋重新輸入系統以優化後續的目標推論。
對教育工作者的啟發
對於設計自主學習（SRL）工具的開發者而言，此研究提供了重要啟發：系統不應僅監控學習行為（如點擊、閱讀時間），而應嘗試理解學習行為背後的長期目標。實務上，可以設計「目標對齊」介面，讓學生能主動修正系統對其學習意圖的判斷，將 AI 從單向的監控者轉變為雙向的學習夥伴，藉此強化學生的自我調節能力與對學習路徑的掌控感。
原始文獻資訊
- 英文標題：
- "What Are You Really Trying to Do?": Co-Creating Life Goals from Everyday Computer Use
- 作者：
- Shardul Sapkota, Matthew J\"orke, Zane Sabbagh, Omar Shaikh, Grace Wang, James A. Landay
- 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。