當大型語言模型變慢時：環境影響如何調節大學生的 LLM 使用行為
arXiv - Computers and SocietyHyeonwook Kim, Xuesi Chen, Alex Cabral, Cindy Kaiying Lin, Udit Gupta, Josiah Hester
研究探討透過視覺化碳足跡與延遲的權衡介面，如何影響大學生在 LLM 使用中的永續決策。
AI 幫你先抓重點
AI 重點 1
使用者體驗（UX）中的「延遲」是推動永續行為的最大障礙。
滑鼠懸停看 AI 判斷理由
這項發現揭示了技術效能與社會價值觀之間的權衡。即便使用者具備環保意識，若系統為了節能而導致明顯的延遲，使用者仍會優先選擇效率而非永續性，這對設計永續 AI 介面提出了極高的技術挑戰。
AI 重點 2
生態回饋介面（Eco-feedback）具備教育與行為干預的雙重潛力。
滑鼠懸停看 AI 判斷理由
這不僅僅是技術設計問題，更是一種學習機會。透過將抽象的環境成本轉化為可感知的數據，可以促進使用者的環境素養，將單純的工具使用轉化為具備社會責任感的自主學習過程。
核心研究發現
- 1
研究發現，當使用者感知到的模型回應延遲增加時，選擇使用具備生態回饋系統的意願會顯著下降（p < .001）。
- 2
當使用者能明確識別出減少碳排放的具體影響時，他們使用永續模式的意願會顯著提升（p < .01）。
- 3
具備較強環保意識的學生，在基準值上更願意採用低碳模式，且能透過介面提升對 LLM 環境影響的認知。
- 4
延遲感會削弱環保意識對決策的正向影響，顯示即時性與永續性之間存在明顯的衝突。
對教育工作者的啟發
教育工作者在教授 AI 素養時，不應僅限於技術操作或倫理討論，應引入「環境成本」作為評估維度。課程設計者可以利用類似的生態回饋工具，引導學生進行關於「效率 vs. 永續」的辯證式學習，培養其在數位時代的社會責任感。此外，開發教育科技產品時，應特別注意如何優化介面，使環境數據的呈現不至於因技術延遲而導致使用者放棄永續選擇，建議將環境影響轉化為即時且直觀的視覺反饋。
原始文獻資訊
- 英文標題：
- When LLMs Slow Down: How Environmental Impacts Mediate University Students' LLM Usage
- 作者：
- Hyeonwook Kim, Xuesi Chen, Alex Cabral, Cindy Kaiying Lin, Udit Gupta, Josiah Hester
- 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。