判斷中的人類角色：測試美國西點軍校學員的自動化偏誤與演算法厭惡
arXiv - Computers and SocietyLauren Kahn, Michael C. Horowitz, Laura Resnick Samotin
研究發現西點軍校學員在面對 AI 建議時，比一般大眾展現出更佳的信任校準能力，較不易產生認知扭曲。
AI 幫你先抓重點
AI 重點 1
專業訓練能有效緩解人類對 AI 的認知偏誤
滑鼠懸停看 AI 判斷理由
這挑戰了「人類天生容易盲目信任或排斥 AI」的普遍假設。它顯示透過特定領域的教育與暴露訓練，可以形塑更理性的 AI 互動模式，這對於設計未來的人機協作教學環境具有重要啟發。
AI 重點 2
信任校準（Trust Calibration）是 AI 應用的核心關鍵
滑鼠懸停看 AI 判斷理由
理解使用者如何平衡 AI 的建議與自身判斷，對於開發決策支持系統至關重要。這提醒教育者與開發者，目標不應只是提高 AI 的準確度，更應著重於如何讓使用者學會「何時該相信，何時該質疑」。
核心研究發現
- 1
研究對比了西點軍校學員與一般大眾在目標識別任務中的表現，發現學員對演算法建議的依賴程度較為適中。
- 2
西點軍校學員展現出較低的自動化偏誤（過度依賴 AI）與演算法厭惡（過早不信任 AI）傾向。
- 3
相較於一般大眾，軍事訓練背景下的學員對決策支持系統（DSS）展現出更精確的信任校準能力。
對教育工作者的啟發
對於教育科技設計者而言，本研究強調了「批判性 AI 素養」教育的重要性。在設計 AI 輔助學習工具時，不應僅追求自動化程度，而應設計能引發學生反思（Metacognition）的機制，幫助學生學會校準對技術的信任。課程設計者可以參考此模式，透過模擬真實決策情境，訓練學生在面對 AI 建議時，能進行有效的判斷與驗證，而非盲目接受或全盤否定，從而培養更成熟的人機協作能力。
原始文獻資訊
- 英文標題：
- What is Human in Judgment? Testing Automation Bias and Algorithm Aversion Among United States Military Academy Cadets
- 作者：
- Lauren Kahn, Michael C. Horowitz, Laura Resnick Samotin
- 來源：
- arXiv - Computers and Society
- 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。