當我可以幫忙時嗎？探討主動性對人機協作團隊之影響
arXiv - Human-Computer InteractionThomas Vitry, Vanessa Maeder, Kieran von Valeburg, Asihati Hazaiti, Doga Deniz Ates, Connor G\"ade, Jan-Gerrit Habekost, Dennis Becker, Stefan Wermter
研究發現機器人的主動性會影響協作效率，且其效果深受使用者過往經驗與人格特質的調節。
AI 幫你先抓重點
AI 重點 1
機器人的「主動性」是一把雙面刃，並非越高越好。
滑鼠懸停看 AI 判斷理由
這挑戰了「AI 應盡可能主動提供協助」的直覺。研究顯示過度的自主行為可能干擾人類的協調與注意力分配，這提醒開發者在設計協作系統時，必須在「及時支援」與「維持人類控制權」之間取得精細平衡。
AI 重點 2
使用者背景（經驗與人格）是決定 AI 介入成效的關鍵變數。
滑鼠懸停看 AI 判斷理由
這意味著單一的 AI 互動模型無法適用於所有人。在設計教育科技或協作工具時，必須考慮使用者的先備知識（如對 AI 的熟悉度）與心理特質，實現更具個性化與情境化的適應性互動設計。
核心研究發現
- 1
主動型模型（機器人自主貢獻並主動發起互動）顯著提升了互動頻率，但反應型模型（僅在被要求時回應）的任務成功率較高（92.86% 對比 71.42%）。
- 2
具備大型語言模型（LLM）經驗的使用者在反應型模式下，能更快解決初期謎題。
- 3
使用者的過往機器人經驗與人格特質（如內向程度）會顯著改變其對機器人主動性或反應性互動模式的評價。
對教育工作者的啟發
在設計輔助學習或協作工具時，不應追求單一的「全自動」或「全被動」模式。建議開發具備「情境感知」能力的 AI，根據使用者的表現與特質動態調整介入程度。例如：對於新手或內向者，可增加主動引導；對於具備經驗的使用者，則應轉向反應型模式以避免干擾。此外，設計者應將使用者的先備經驗（如 AI 素養）納入系統的適應性演算法中，以優化協作體驗。
原始文獻資訊
- 英文標題：
- When May I Help You? On The Effect of Proactivity on Group Human-Robot Collaboration
- 作者：
- Thomas Vitry, Vanessa Maeder, Kieran von Valeburg, Asihati Hazaiti, Doga Deniz Ates, Connor G\"ade, Jan-Gerrit Habekost, Dennis Becker, Stefan Wermter
- 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。