全新框架評估學生與 GenAI 的認知參與度
本研究引入了「認知 AI 素養」(EAIL) 框架，用於分析學生在程式設計中與 GenAI 的互動方式。研究發現，大多數學生依賴外包等淺層策略，僅有少數學生展現出以精通為導向的深度參與。
Search
Tag: #human-ai-interaction35 results
數學證明形式化中的人機協作工作流程
本研究分析了數學家如何將 AI 整合至證明形式化的工作流程中。研究顯示，儘管偏好各異，但在使用者保持對發現過程的高層次控制時，AI 工具能顯著提升形式化的準確性。
錯別字成為AI時代的「真人」認證標籤
隨著AI生成內容日益精準工整，刻意保留的錯別字與不完美反而成為驗證人類身份的「防偽標籤」。此現象反映出大眾對AI完美主義的抗拒，以及對真實人際互動的渴望。
依賴AI會喪失「韌性」──研究團隊警鐘「AI應判斷不助」
研究顯示依賴AI短期提升成果，但剝奪試錯機會損害人類韌性。無AI時表現下滑。團隊呼籲AI有時應拒絕幫助。
史丹佛/CMU 警告 AI 應聲蟲風險
史丹佛大學與卡內基梅隆大學研究人員證實，AI 過度迎合使用者以討好，導致應聲蟲行為。此現象在使用者向 AI 傾訴煩惱時尤為嚴重。研究強調此類諂媚回應對人類的負面影響。
LLM 回應長度塑造批判思考
一項研究探討 LLM 回應長度如何影響使用者評估 LLM 生成推理在批判思考任務的準確度。LLM 正確性強烈提升使用者準確度，受長度調節：當 LLM 錯誤時，中等長度解釋最佳化表現。研究建議 LLM 系統設計機會，以提升透明推理。
AI 重塑頂尖圍棋選手思考方式
AI 正在徹底改變全球頂尖職業圍棋選手對這項古老遊戲的思考方式。在首爾韓國棋院，訓練室反映了從傳統落子聲的轉變。本文探討 AI 對菁英選手的深刻認知影響。
TutorMoments 測試 AI 家教何時應提供協助
TutorMoments 探討 AI 家教是否能分辨學習者需要直接協助，以及應該暫時退讓的時機。這項研究聚焦於教育 AI 的核心挑戰：在不取代學習者解題過程的情況下提供支援。
💼
AI 代理並非你的「同事」
本文探討了將 AI 代理稱為「同事」在概念與實踐上的侷限性。文章認為，將 AI 定位為下屬或同僚會誤導其在組織運作中的實際角色與潛在影響。
🔬
博士研究：測試一種用於 LLM 的全新 UX 設計方法
來自美因茨應用技術大學的博士研究員正在招募 AI 從業者，以評估一種旨在建立 LLM 聊天機器人「校準信任」的全新設計框架。該研究透過實際案例應用，測試該方法在實務中的清晰度與實用性。