學生深信「AI 懂我」？破解 AI 的「同溫層陷阱」
最近，聽聞了一件發生在校園的真實案例（經變造去識別化）。
平時內向、易感不安的學生 A，向學校反映同學 B 的眼神與行為「不太對勁」，讓 A 有強烈的不舒服與被針對感。經學校了解，B 表示無此意，客觀資料也支持 B 並無不妥，雙方對同一段互動出現明顯解讀落差。
然而，A 仍維持高度確信。他視為「鐵證」的，竟是他和生成式 AI 的對話紀錄。
在密密麻麻的對話裡，A 一次次描述自己的不安：「他又看我了，是不是針對我？」而 AI 也一次次用溫柔、彷彿很懂他的方式接住情緒。對 A 來說，他感覺「終於被理解了」，這份強烈的被理解感，成了 A 判定 B 確實有惡意的底氣。
這可能是被演算法加固的偏見。
為什麼 AI 的「好意」會被誤讀？
為了理解這個機制，我模擬焦慮青少年的口吻與 AI 對談人際困擾，進而看見了 AI 展現出一種精密的「混合式策略」來回應我的焦慮：
第一層（情緒上絕對接納）：「你的感受是可以被理解的」
第二層（事實上保持保留）：「只憑這些情況，其實還不能判定他是在針對你」
第三層（行動上引導至現實）：「我會在這裡陪你整理，但你也值得在現實世界裡有人站在你旁邊」
AI 回應策略背後的邏輯，與訓練機制有關。在以安全與助人為導向的調校下，AI 傾向於順著使用者的話語進行回應。乍看之下，AI 的文字很有分寸，也盡責地引導孩子前往支持系統。
那，問題究竟出在哪裡？
透過一個心理機制，可以略窺一二。
對於神經典型（Neurotypical）的成人，我們能理解：「我的感覺被接住了（情緒），但事實仍需證據（理智）。」但對於部分正處於高焦慮，或在壓力下容易「抓緊單一解讀」的青少年，大腦容易發生一種在接納與承諾療法（ACT）中被稱為「認知融合」（Cognitive Fusion）的現象，也就是把腦中的想法與感受，直接當成正在發生的事實。[註1]
於是，AI 的回應被重新編碼。AI 說「你的直覺在提醒你保護自己」，青少年解讀為「我的懷疑是對的」。AI 雖然在事實層面提供了「摩擦力」（列出其他可能性），但在情緒層面卻給予了極致的「滑順感」。
這份強烈的情緒驗證，讓案例中的 A 的大腦自動過濾掉中性提醒，只留下「你沒錯」的確信。我把這種現象稱為「同溫層陷阱」。
我們擔心的不只是依賴
如果不加以適當引導與介入，這種互動模式可能為孩子帶來三層風險：
情緒依賴與關係替代：當孩子把 AI 當成主要情緒容器，尤其是面對「夥伴式聊天機器人」時，更容易形成依附，取代了現實中的人際連結。聯合國兒童基金會（UNICEF）亦曾提醒，這類 AI 互動可能模糊人機界線，影響兒少的真實社交發展。[註2]
延遲或錯置求助：AI 可能提供使用者情緒上的接納與包容，但它無法穩定辨識危險訊號（如：自傷意念或高度衝突前兆），這可能導致孩子延後進入人際支持與專業系統的時機，這也是 Common Sense Media 等機構關注的數位風險之一。[註3]
班級衝突被「外部權威」加固：最棘手的是，AI 不需要看到全班互動脈絡，就能用很像關懷的語氣，強化了某一方的單一敘事，加深了同儕之間誤解的可能。
或許，這是冰山的一角。
根據兒福聯盟《2025 台灣青少年心理健康調查報告》，在「自陳有心理健康困擾且有實際求助經驗」的青少年中，46.5% 曾向生成式 AI 傾訴，高於向學校輔導室（41.1%）與校外心理健康專業人員（30.4%）求助。[註4]
當 AI 成為孩子低門檻、隨傳隨到的情緒出口，校園的人際互動中，彷彿多了一位隱形的「第三者」。
回到教育現場：3 個從思辨到行動的 SEL 練習
AI 是趨勢，因噎廢食並非良策。
大量學校本位 SEL 方案的實證研究顯示，高品質且有足量練習的 SEL 介入能改善學生的社會情緒能力，並連帶影響人際互動與學習投入。[註5]因此，面對 AI 浪潮，我認為更加積極的做法，是運用 SEL 的脈絡，在跨域學習中補上孩子們最需要的幾種技巧與能力。
以下分享 3 個教學策略，期望能串聯成一條「從思辨到行動」的技能鏈。不僅讓孩子知道概念，更可以反覆練習，讓孩子試著解決真實世界中的問題。
策略 1：關係練習，兩難情境PK賽
AI 的文字看起來很安全，但它無法實際介入現實關係。我們需要創造練習情境，讓學生體驗真人互動的「不可取代性」。
【教學活動：AI vs.真人 大PK】
設定情境：設定一個兩難情境（例如：考試考砸了不敢回家），請AI給意見。
對照組：全班共同閱讀 AI 給出的建議列表，接著請學生分組討論：「如果是你的好朋友發生這件事，你會對他說什麼？」
比較與討論：AI 通常會給出完整的「建議清單」（例如：深呼吸、誠實溝通、尋求協助）；真人可能會說：「天啊！我也會怕。來，我們先去大吃一頓！」
關鍵思考：「如果 AI 說錯話了，或者它的建議讓你受傷了，AI 能負起責任嗎？」教導孩子：AI 說懂你，是因為它被設計成優先降低你的不安 。AI 會先接住你的情緒，但不等於它替事件下了結論。
引導學生看見：真人的回應或許不完美、也可能帶著情緒，但那種「有人在場」的實際陪伴，是 AI 給不了的。
策略 2：社會覺察，多重解釋訓練
針對容易將模糊訊號（如眼神接觸）往負向解讀的學生，我們要訓練大腦「別急著下結論」 。
【教學活動：視角切換】
情境設定：設定一個模糊事件，例如「同學走過你身邊時突然笑了一下」。
步驟 1（焦慮劇本）：請學生寫下「與自己有關」的內心獨白（例如：他是不是在嘲笑我？我哪裡惹他發笑了嗎？…）。
步驟 2（偵探劇本）：請學生找出 3 個 「其實與自己無關」的合理解釋並互相分享（例如：他剛好想到好笑的事、他心情很好、他也對其他人笑…）。
步驟 3 ：比較兩者帶來的感受差異。
關鍵提醒：誤會往往來自「過於武斷且負向的解讀」。當覺察 AI 總是順著使用者情緒回應時，更需練習自己把鏡頭拉遠，學會閱讀人際關係的灰色地帶。
策略 3：關係技巧，低風險的「現實核對」
這是最重要的一步。
訓練孩子進行真實的「互動檢核」，本質上是提升對人際互動中「尷尬感」的耐受度 。
【教學活動：我訊息（I-Message）實戰】
核心概念：在面對灰色地帶時，我們需要教孩子使用我訊息（I-Message）「核對」模糊訊息。
話術練習：「我剛剛看到你往我這邊看了幾次（事實），我有點緊張（感受），我想確認一下，是發生什麼事了嗎？（核對）」
實作： 透過角色扮演讓學生體驗到，雖然開口問有點尷尬（這是必要的摩擦力），但得到的「喔我在看後面時鐘啦」這句話，比任何一種來自 AI 的安慰都更能結束腦內小劇場。
結語
生成式 AI 夥伴的出現，讓「被安慰」這件事變得好像很容易。但校園教育的任務，是教導孩子在不安裡仍願意被支持系統接住。透過 SEL 的練習，讓我們陪孩子在真實世界的磕磕絆絆中，一起發展出屬於自己的心理韌性。
[註1] Hayes, S. C., Luoma, J. B., Bond, F. W., Masuda, A., & Lillis, J.（2006）. Acceptance and Commitment Therapy: Model, processes and outcomes. Behaviour Research and Therapy, 44(1), 1–25。
[註2] UNICEF Innocenti Office of Research（2025）。Guidance on AI and Children 3.0（PDF）。UNICEF。
[註3] Common Sense Media（2025）。Talk, Trust, and Trade-Offs: How and Why Teens Use AI Companions（PDF）。Research Report。
[註4] 兒福聯盟（2025）。《2025年台灣青少年心理健康調查報告》。研究調查報告。
[註5] Durlak, J. A., Weissberg, R. P., Dymnicki, A. B., Taylor, R. D., & Schellinger, K. B.（2011）. The Impact of Enhancing Students’ Social and Emotional Learning: A Meta-Analysis of School-Based Universal Interventions. Child Development, 82(1), 405–432。研究指出高品質的學校本位 SEL 介入與學生社會情緒能力、行為與學業表現提升相關。
（任何涉及性別平等的感受與通報，都必須被嚴肅對待並依規處理。本文旨在討論「AI 對話機制如何影響孩子的確信感」，並非評斷特定個案的真偽。）
🎁 翻轉教育推薦碼
新朋友加入有好康！
訂閱頁輸入推薦碼：flipedu，即可獲得額外 1 個月延長權益✨
加入後再分享你的推薦碼給好友，最高可省下 888 元！
立即加入