研究依據 / 六框架
2024 年 8 月至 2026 年 4 月
一套描述長期 AI 對話中使用者端風險的語彙。
研究語料為 20 個月的第一人稱縱貫語料：3,928 段對話、215,949 個訊息節點。方法為探索性單一參與者縱貫質性設計，混合演繹與反身性主題分析。
01
六框架
六個公開框架
Preprint
USCP 使用者端語境現象
十四項現象的母框架。三構念：語境投射、語境依附、語境權威轉移。DOI: 10.5281/zenodo.21346372
→
Journal article
CXOD-7 + Coh(G) 語境攻防與一致性
系統端的語境攻擊、防禦與一致性。DOI: 10.5281/zenodo.17136789
→
Preprint
CXC-7 對話語境七維度
分析語境條件、角色關係、記憶錯覺、目標偏移與安全邊界。DOI: 10.5281/zenodo.17247637
→
Preprint
USCH 使用者端語境幻覺
使用者端語境偏移的早期框架。DOI: 10.2139/ssrn.6135732
→
Report
USCI 使用者端語境互動評估
把現象轉成可操作的審查與記錄方法。DOI: 10.5281/zenodo.18678196
→
Report
A-CSM AI 語境訊號矩陣
可執行的研究原型，開放核心已開源。DOI: 10.5281/zenodo.19097266
→
一律引用 concept DOI，它永遠指向最新版本。完整清單見作品。
02
方法
方法三件事
長期紀錄
20 個月的完整對話紀錄，2024 年 8 月至 2026 年 4 月。
現象標註
系統性現象標註：十四項現象、三構念、兩個過渡標籤。
風險分類
四種證據角色：正例、灰色、負例、保護性灰色。負例定義什麼不算風險，避免把一般工具使用當風險。
03
工具
A-CSM：AI 語境訊號矩陣
鏈路：規則 triage、三家族 LLM 評審面板、引文確定性對齊、確定性聚合、USCI 硬規則、PDF/A-3b 報告。報告內嵌去識別化原文、每位評審原始輸出與 SHA-256 清單，第三方僅憑報告可複驗。
狀態：可執行的研究原型。公開核心已開源，持續開發中。
04
證據等級
證據等級聲明
這套研究目前是描述性的現象框架，建立於單一第一人稱縱貫語料。它提出可觀察的現象分類與判讀方法，尚未經跨樣本驗證，也非診斷工具。
USCH 六階段模型與自評量表已撤回，本站不再引用。撤回紀錄見研究邊界。
05
術語對照
研究語彙與服務語彙
語境投射
服務頁寫“投射”。定義一律以研究頁為準。
語境依附
服務頁寫“依附”。
語境權威轉移
服務頁寫“判斷權轉移”。
訊號語彙
“錯誤安撫”“查證鬆動”“邊界消失”是服務端的訊號描述，對應上述構念之下可觀察的樣態。
06
官方清單
風險已在官方清單上
NIST AI 600-1
2024 年 7 月，Human-AI Configuration 列為十二項風險之一。
MIT AI Risk Repository
arXiv:2408.12622，人機互動為七大領域之一。
International AI Safety Report 2026
設人類自主性專節。
台灣數位發展部
AI 風險分類框架（2026-07-07），B1 過度依賴、B2 喪失人類自主性。
此對照說明風險位置，非任何機構之背書。學術傳承上溯 Parasuraman 與 Riley（1997），本研究的貢獻在證據、方法與工具。
07
資料集
資料集與存證（非論文）
Harvard Dataverse
Zenodo 資料集
10.5281/zenodo.19969842（受限加密證據檔）
時序存證
10.5281/zenodo.19490172（中性時序存證，類型 Other）
以上為資料集與存證紀錄，與論文分開列示。