誰在遊戲中擁抱 AI？玩家對遊戲 AI 偏好特徵的探索性建模研究
arXiv - Human-Computer InteractionTing-Chen Hsu, Jiangxu Lin, Wenran Chen, Zheyuan Zhang, Fei Qin
本研究透過原型分析識別出七種不同的玩家 AI 接受度特徵，並探討其與個人特質及背景的關聯。
AI 幫你先抓重點
AI 重點 1
從「單一場景接受度」轉向「結構化偏好模式」的視角轉換。
滑鼠懸停看 AI 判斷理由
過去研究多關注玩家在特定情境下是否接受 AI，但本研究證明玩家的態度具有結構性的組合模式。這對於設計者理解用戶心理模型至關重要，能從單點功能優化轉向整體的用戶體驗策略。
AI 重點 2
玩家的 AI 素養與個人背景是決定其 AI 接受模式的關鍵變量。
滑鼠懸停看 AI 判斷理由
這說明 AI 的整合不應是「一體適用」的。開發者必須考慮用戶的認知背景與人格特質，才能設計出既能滿足創意探索、又能符合系統秩序要求的差異化 AI 功能。
核心研究發現
- 1
研究透過對 771 名玩家的問卷數據進行原型分析（Archetypal Analysis），成功識別出七種截然不同的 AI 偏好特徵群體。
- 2
這七種特徵包括：AI 懷疑論者、廣泛支持者、創意探索者、體驗導向支持者、系統秩序倡導者、情感中心支持者及治理懷疑論者。
- 3
玩家是否屬於特定 AI 偏好群體，與其 AI 素養、遊戲習慣、學科背景、人格特質以及對特定應用場景的優先考量密切相關。
對教育工作者的啟發
對於開發數位學習遊戲或教育科技產品的設計者而言，本研究提供了「用戶分層」的新思路。不應僅預設學生對 AI 的態度是單一的，而應預期存在如「創意探索型」或「系統秩序型」等不同特質的學習者。在設計 AI 輔助學習工具時，應考慮提供多樣化的互動模式：例如為追求秩序的學生提供結構化的 AI 導引，為追求創意的學生提供開放式的 AI 生成工具，並針對「懷疑論者」設計透明度更高、可解釋性更強的 AI 介入機制，以提升學習者的信任感與參與度。
原始文獻資訊
- 英文標題：
- Who embraces AI in play? Exploratory modeling of player preference profiles toward game AI
- 作者：
- Ting-Chen Hsu, Jiangxu Lin, Wenran Chen, Zheyuan Zhang, Fei Qin
- 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。