誰會信任 AI 的情感支持？大型語言模型情感應用中的信任形成與社會人口統計差異研究
arXiv - Human-Computer InteractionNatalia Amat-Lefort, Mert Yazan, Amanda Cercas Curry, Flor Miriam Plaza-del-Arco
本研究開發了評估情感 AI 信任的量表，並發現用戶對 AI 的信任與使用邏輯會隨性別、年齡及社會經濟地位而異。
AI 幫你先抓重點
AI 重點 1
情感 AI 的採用路徑並非單一模式，而是存在「信任驅動型」與「效益驅動型」的差異。
滑鼠懸停看 AI 判斷理由
這挑戰了傳統技術接受模型（TAM）的普遍性。開發者不應僅追求提升 AI 的擬人化或信任感，對於特定弱勢或年長族群，強調工具的即時性與功能性可能比建立情感連結更有效。
AI 重點 2
隱私與偏見感知是情感 AI 信任建立的關鍵門檻。
滑鼠懸停看 AI 判斷理由
在設計涉及情感支持的教育或心理輔導 AI 時，技術層面的「擬人化」若伴隨著「偏見感知」，反而會產生負面效果。確保演算法的公平性與隱私保護是情感化設計的前提。
核心研究發現
- 1
研究開發並驗證了一個包含七個構面的心理計量量表，發現隱私、個性化與擬人化是驅動信任的核心因素，而感知偏見則會降低信任。
- 2
不同群體的採用邏輯存在顯著差異：女性比男性更看重隱私；英語系國家用戶對擬人化反應比歐洲用戶更積極。
- 3
高教育與高收入用戶傾向於建立信任後才使用系統；而年長者與低社經地位群體則跳過信任階段，直接因其 24/7 可用性與非批判性等實用效益而使用。
對教育工作者的啟發
對於開發情感支持型學習工具（如 AI 導師或心理輔導機器人）的設計者，建議採取「分層設計策略」：針對高學歷或年輕族群，應強化 AI 的擬人化特質與個性化互動，以建立深度信任；針對年長者或資源較匱乏的學習者，則應優先強調工具的穩定性、全天候可用性與「不帶偏見」的特性，降低其心理門檻。此外，在設計過程中必須將隱私保護與偏見檢測視為情感功能的核心組成部分，而非僅是技術附件。
原始文獻資訊
- 英文標題：
- Who Trusts AI with Their Emotions? Trust Formation and Sociodemographic Variation in LLM Use for Emotional Support
- 作者：
- Natalia Amat-Lefort, Mert Yazan, Amanda Cercas Curry, Flor Miriam Plaza-del-Arco
- 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。