所有作品

人機互動研究

在你決定開口之前……

陽明交大的協作研究,用匿名相似提示,在參與者決定要不要發言之前,讓他們知道可能有人抱持相近的想法。入選 TAICHI 2026 Poster Track。

專案

OmniObserve

我的角色

研究協作・文獻蒐集、研究討論與實驗支援

狀態

研究原型 · TAICHI 2026 海報發表

閱讀研究介紹
OmniObserve 的海上求生任務介面,包含公開與私人排序,以及帶有匿名相似性提示的可編輯想法卡片
介面圖片:OmniObserve 研究團隊 · 研究與圖片來源 · CC BY-SA 4.0

你有一個想法,但不確定其他人會不會同意,也擔心在場會不會有專業的人聽到覺得很可笑。你在等一個適合插話的時機;等到了,話題已經換了。

這不是我們想像出來的情境,而是研究參與者自己描述的經驗。有人說自己其實有想法,只是大家討論得太熱烈,不知道什麼時候該加入;也有人說,第一次想點開提示時它消失得太快,第二次點開時話題已經過去了。

OmniObserve: Revealing Hidden Consensus in Online Meetings 是我在陽明交大的協作研究,想處理的就是這段缺口。

第四個時刻

在追求多元觀點的線上會議裡,從私下思考到公開發言之間常常卡著一道關卡。當人預期自己會被評價,或不知道別人是否也有類似的想法時,少數意見和還不成熟的點子就容易被留在心裡。

現有的系統大多在幫忙整理公開的想法、在討論中明顯介入,或在分享前讓 AI 私下評估。OmniObserve 瞄準的是另一個時刻:你有一個私下的想法,另一位參與者可能也有相容的想法,而你正在決定要不要開口。

我們用「隱藏共識」(hidden consensus)指參與者之間尚未說出口、但彼此重疊的想法;用「公開前的社會證據」(pre-public social evidence)指在任何人決定發言之前,提示「這種重疊可能存在」的輕量訊號。

系統怎麼運作

參與者私下說出或打出的想法,會被轉寫、摘要成 idea block:簡短、可編輯、只有本人看得到的卡片。

系統中的全域 agent 負責跨參與者配對,分三關篩選。第一關只比對同一個任務項目上其他人的卡片。第二關用語意相似度過濾,餘弦相似度門檻為 0.7。第三關把剩下的交給 LLM 分類器,必須在排序立場或實際建議上相容才算配對成功。

通過的配對會以匿名提示送出,分成三種:理由相同、理由不同,以及兩者兼具。收到提示的人可以查看配對關係、關掉提示、只針對這則提示和匿名對象分享理由、把自己的卡片送到公開聊天室,或者什麼都不做。無論選哪一個,對方完整的私人內容都不會公開。

OmniObserve 的想法卡片、匿名提示與手動分享控制

兩個形成性研究

Study A 是受試者間的先導研究,使用 Lost at Sea 共識任務:兩組陌生人中,一組沒有提示,一組開啟提示。Study B 是受試者內設計,每組在一個任務中使用相似度提示、另一個任務中不使用,任務包括推理型的 Lost at Sea 和視覺設計型的 Enhance the Poster。每一場都有三位真正的參與者,以及一位暗樁,負責在討論中提出一個看起來合理的公開立場。

評分較高的項目集中在三件事:能自己控制何時公開、先私下再公開的流程有助於參與,以及提示帶來的認同感與分享意願。

我們觀察到的事

在陌生人組成的小組裡,參與者把提示當成公開前的私下確認。P04 說:「It felt like I could secretly check whether anyone had the same thought. If yes, then at least one or two people would agree, and I would not be completely rejected.」先偷偷看看有沒有人想法一樣,知道至少不會完全被否定,再決定要不要說。P11 也說,看到 same-reason 提示時,覺得自己的想法是對的,更願意表達。

沉默常常是一種策略。有人會等別人先提起,再補上自己的理由;有人想法一直都在,只是在等安全的時機。只看發言次數,很容易把這種沉默誤讀成不投入。

同一種提示,不同人讀出不同意思。「理由相同」可能代表安全,也可能代表重複、不必再說;「理由不同」可能是意見衝突的風險,也可能是補充觀點的邀請。有參與者提醒,顏色標記能幫不主動的人說出與他人相符的想法,卻也可能讓沒配對到的想法更難說出口。

熟悉程度會改變元件的價值。idea block 在陌生組和熟人組都有用;相似度提示在熟人組裡作用不明顯,在陌生人之間多半帶來支持,有時也讓人更謹慎。

介面上,參與者希望先看到輕量的類型標記再決定要不要點開,提示要停留得夠久,而且公開與否必須由自己決定。P09 說得很直接:「I would want to control it myself. If the system put my idea in public and said it was mine, that already feels forced.」

研究最核心的收穫是「分階段的公開控制」:設計時要明確定義 AI 偵測什麼、什麼時候出現、誰會收到,以及誰能把它公開。這個研究想做的,不是讓 AI 更會說話,而是讓人更有機會把話說出來。

我的角色

OmniObserve 是團隊研究,作者依序為 Shih-Kai Hong、Ethel Yu-Tsen Hsiao、Yi-Jie Chen、Jason Zhi-Jun Chang、Elvis Dragon Mao 與 Grace Yu-Chun Yen。我參與了整個研究過程,包括蒐集文獻、參與討論,以及在實驗中擔任暗樁與現場支援。研究以 Poster 124 入選 TAICHI 2026,並獲得陽明交大資工系 115 學年度專題競賽佳作。研究目前仍在進行,下一步計畫加入開放式發想任務、對照會議逐字稿分析提示如何被接續使用,並進行規模更大的比較研究。

我們經常期待科技讓人們更快速地交換資訊、更有效率地完成討論。但有時候,真正阻礙溝通的不是工具不夠快,而是一個人不確定自己的聲音會不會被接納。OmniObserve 還沒有回答所有問題,但它讓我們有機會重新思考:好的互動設計,或許不只是讓人更容易說話,也包括讓人有安全感,並且能自己決定什麼時候開口。

參考資料

本文研究內容與參與者引文改寫自 Sky Hong 撰寫的 OmniObserve 研究介紹(https://skyhong.tw/omniobserve/),原文以 CC BY-SA 4.0 授權。

製作團隊

與陽明交大 HAIX Lab 的 Shih-Kai Hong、Ethel Yu-Tsen Hsiao、Yi-Jie Chen、Jason Zhi-Jun Chang 及 Grace Yu-Chun Yen 共同研究。介面圖片:OmniObserve 研究團隊,CC BY-SA 4.0。

下一個專案emfont