你認為我認為什麼？利用二階心智理論解釋人類信念
arXiv - Human-Computer InteractionPatrick Callaghan, Reid Simmons, Henny Admoni
本研究利用二階心智理論框架，使 AI 代理人能偵測並修正人類對其知識的錯誤認知與認知偏差。
AI 幫你先抓重點
AI 重點 1
從「理解知識」進化到「理解對知識的認知」
滑鼠懸停看 AI 判斷理由
傳統 AI 多著重於掌握正確知識，但本研究強調 AI 必須理解「人類如何看待 AI 的知識」，這種二階建模能有效彌補人機互動中的認知落差。
AI 重點 2
將認知偏差（CBH）納入互動模型中
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 適應性的定義。AI 不僅要能處理正確資訊，更要能預判並補償人類因直覺或偏見產生的錯誤判斷，實現更深層的協作。
核心研究發現
- 1
研究提出一種基於 I-POMDP 框架的二階心智理論（ToM-2），使 AI 能模擬人類對其知識狀態的錯誤信念演變。
- 2
該模型能識別出人類在互動過程中產生的認知偏差與啟發式思考（CBH），並據此生成適應性的回饋。
- 3
真人使用者研究顯示，具備 ToM-2 能力的學習者能有效應對教師的認知偏差，顯著提升教學行為的資訊量。
對教育工作者的啟發
對於設計智慧教學系統（ITS）的開發者而言，這提供了新的設計維度：系統不應僅僅是知識的傳遞者，更應成為「認知狀態的監測者」。在設計 AI 教師或學習助手時，應考慮加入偵測學生對系統能力的誤解（例如：學生以為 AI 知道某個概念但其實 AI 並不知道），並透過適時的回饋來修正學生的錯誤信念。這有助於減少學習過程中的認知摩擦，提升人機協作教學的效率與透明度。
原始文獻資訊
- 英文標題：
- What Do You Think I Think? Accounting for Human Beliefs Using Second-Order Theory of Mind
- 作者：
- Patrick Callaghan, Reid Simmons, Henny Admoni
- 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。