這項研究探討了ChatGPT使用者的心理動機，基於環境心理學的服務空間概念。分析了ChatGPT的電子服務空間要素，如安全性、視覺吸引力、娛樂價值等，如何影響使用者的情緒和決策。針對美國使用者的調查顯示，負面情緒受多個因素影響，而正面情緒則與視覺吸引力、客製化等有關。這些情緒對使用者滿意度和持續使用意圖至關重要，研究結果對數位環境心理學及AI服務的理解提供了重要見解。 PubMed DOI

這項研究調查了像 ChatGPT 這類大型語言模型在科學詢問中的使用情況及人們的看法，基於2023年7、8月來自七國的4,320名受訪者的數據。儘管這些技術較新，許多使用者仍表示會利用 ChatGPT 獲取科學資訊。研究比較了使用者對 ChatGPT 和傳統資訊來源（如 Google 搜尋）的看法，以及他們對生成式人工智慧的知識和信任程度，並與不使用者及不同目的的使用者進行比較，提供了對 GenAI 早期採用及其對公眾理解科學議題影響的見解。 PubMed DOI

這項研究探討了人工智慧，特別是ChatGPT，在心理語言學研究中生成句子刺激的應用，涵蓋英語和阿拉伯語的書面及聽覺句子。透過三個實驗評估AI生成句子的可接受性與有效性。結果顯示，英語的AI句子可接受性與人類創作相當，但阿拉伯語的AI句子評價較低。有效性方面，只有實驗2顯示出預期效果。整體來看，研究指出AI在心理語言學研究中可成為開發刺激的有用工具，提升研究的多樣性與效率，並對未來研究提供啟示。 PubMed DOI

隨著人工智慧（AI）技術的快速發展，特別是聊天服務的進步，用戶互動方式也大幅改變。為了提升服務品質，了解用戶滿意度變得非常重要。本研究提出一個框架，利用 Google Play 商店的評論數據，結合自然語言處理和機器學習技術進行情感分析。透過多數投票的無監督情感分析，過濾用戶評分與評論內容的不一致性，並使用各種算法進行監督式分析。結果顯示方法有效，能提升預測準確性與成本效率，對未來 AI 服務的發展提供重要見解。 PubMed DOI

這篇論文探討大型語言模型（LLMs）如ChatGPT在編輯用戶生成內容（UGC）時的意外影響，特別是情感變化。分析氣候變遷推文後發現，LLMs重述的推文通常情感更中立，這可能扭曲依賴UGC的研究結果。為了應對這些偏見，論文提出兩種策略：一是使用預測模型識別原始情感，二是微調LLMs以更好地對齊人類情感。整體而言，研究強調了LLMs對UGC情感的影響，並提供減少偏見的實用方法，確保情感分析的可靠性。 PubMed DOI

本研究探討了ChatGPT推出後，使用者與MIBot（幫助戒煙的聊天機器人）互動的變化。參與者分為兩組：一組在ChatGPT發布前互動，另一組則在六個月後互動。結果顯示，後者對MIBot的滿意度顯著下降，尤其在同理心方面。不過，對ChatGPT熟悉的使用者提供了更長的回應，並在戒煙意願上有更大提升。這顯示先進AI技術改變了使用者期望，開發者需隨之調整。 PubMed DOI

這篇文章探討社交媒體研究面臨的挑戰，特別是如何有效篩選大量不斷變化的數據。作者建議利用生成式AI和機器學習來解決標籤和關鍵字帶來的問題。以懷孕期間使用電子煙的TikTok內容為例，研究者使用70對標籤搜尋，獲得11,673個帖子，並透過工具提取數據。最終，使用ChatGPT-4分析這些內容，發現其在過濾不相關帖子方面有效，但在敏感性上仍需改進。未來研究應著重提升其準確性。 PubMed DOI

生成式AI能協助政治說服研究，突破資料限制。實驗發現，AI產生的說服訊息能有效改變受試者態度和投票意向，但個人化或互動式訊息並未特別更有效。雖然AI能影響意見，但對提升對立陣營包容度或減少敵意幫助有限，顯示改變想法不等於減少社會極化。 PubMed DOI

這篇研究發現，像 GPT-4 這樣的大型語言模型可以產生很接近真實用戶的合成資料，拿來預訓練自適應式政治問卷後，問卷在預測和推薦上的準確度都有提升。這表示 LLM 未來有機會幫助解決初期缺乏訓練資料的問題，對政治學等領域很有幫助。 PubMed DOI

大型語言模型能準確重現多數心理學實驗，效果有時甚至比真人還明顯。不過，遇到社會敏感議題或原研究沒發現效果時，模型容易高估結果。LLMs 適合做初步、快速研究，但遇到複雜或敏感議題，還是得靠真人參與才能更全面。 PubMed DOI