文字：蕭立儀／攝影：蕭立儀
本系於 2026 年 6 月 18 日舉辦專題演講暨工作坊，邀請美國伊利諾大學香檳分校（University of Illinois Urbana-Champaign）廣告學系副教授蘇怡帆（Leona Yi-Fan Su）博士蒞校分享。蘇怡帆深入探討其對話式 AI（Conversational Agents, CA）說服機制的研究成果，並帶領工作坊、介紹社群媒體分析方法的實務應用。
本次演講主題為「Persuasion Through Conversational Agents（對話式AI的說服機制）」。蘇怡帆首先為現場聽眾釐清對話式代理人的基本分類：從互動形式來看，可分為文字型代理人與語音型代理人；從技術演進來看，早期多為規則導向（rule-based）或腳本導向（script-based）的系統，僅能依照預先設定的規則回應特定提問，雖然精準卻缺乏自然度，直到近年大型語言模型興起，才出現如 ChatGPT 一類能自然應答的生成式對話代理人。她也引用她近日讀到的美國民調機構最新調查數據指出，美國民眾透過聊天機器人瞭解生活資訊的比例，已由三成三大幅攀升至將近五成，其中約四分之一的使用者屬於高頻率使用者；而在眾多使用動機中，「尋求資訊」高居首位，甚至有約兩成使用者曾透過生成式 AI 尋求健康、飲食或健身相關建議，顯示對話式 AI 已逐漸嵌入民眾日常的資訊尋求行為。
回到今日演講的核心研究，蘇怡帆分享了幾項饒富意義的實證發現：相較於非互動式訊息，無論是文字型或語音型 CA 介入，皆能有效降低受眾的誤解率；然而語音型 CA 內部卻存在兩股相互拉扯的機制——一方面，語音互動帶來的較高認知負荷，可能提高誤解率、進而降低行為意圖；另一方面，語音型 CA 與行為意圖之間，仍存在直接且正向的關聯。她也特別澄清，訊息量本身並非決定效果的關鍵調節變數，真正重要的是訊息的複雜度，以及研究者如何操作化這項變數。此外，溝通風格與代理人形式之間也存在有趣的交互效果：在非正式溝通風格下，文字型 CA 較語音型 CA 更能引發受眾的慈善意圖；但在正式溝通風格下，語音型 CA 的效果反而更為顯著。蘇怡帆進一步指出，對話式 AI 在澄清廣泛性錯誤資訊方面具有顯著效果，而互動性、同理心等對話線索則能強化此一效果，惟語音型 CA 提高認知負荷的副作用仍不容忽視，其成效也會因研究目標與情境而異；她也將這些發現延伸至企業行銷應用層面，討論實務場域中的潛在價值。
演講尾聲的問答環節相當精彩，現場參與者除了對錯誤訊息判定與實驗設計提問外，也對研究方法本身展現高度興趣。蘇怡帆分享，早期以規則式聊天機器人進行實驗時，最大的挑戰在於系統難以理解受試者五花八門的提問方式；為此，她的團隊必須先招募上百名參與者蒐集同一問題的各種說法，藉此訓練系統辨識不同措辭背後的相同意圖，過程相當耗時，也因此無法完全還原真實對話情境，部分受試者甚至會因為系統無法理解其提問，或反覆詢問不相關的問題而被排除在分析之外。她笑稱，正因如此，近年團隊已全面改採大型語言模型驅動的對話系統，雖然省去繁瑣的訓練程序，卻也帶來新的方法論挑戰——如何在保有語言模型自然度的同時，維持實驗所需的控制程度。針對聽眾提出「情緒化 AI 代理人」的提問，蘇怡帆坦言，目前領域內對於對話式代理人「情感回應」層面的研究仍相對有限，多數研究仍聚焦於訊息設計本身，她認為結合生理訊號量測與對話系統設計，將是值得未來投入的研究方向。
下午的工作坊中，蘇怡帆進一步分享系統性的社群媒體分析方法，帶領參與者以 R 語言進行實作演練。她以麥當勞（McDonald’s）與漢堡王（Burger King）於 X（原 Twitter）平台上的真實資料為例，逐步引導參與者操作頻率分析（Frequency Analysis）、互動指標分析（Engagement Metrics Analysis）、主題模型（Topic Modeling）與情緒分析（Sentiment Analysis）等技術，並藉由兩大品牌數據的實際對照，說明如何從龐雜的社群貼文中萃取出具商業意涵的洞察。透過親手操作，參與者不僅熟悉了工具操作流程，也對「數據驅動決策」在企業行銷中的實際運作方式有了更具體的想像。
蘇怡帆在演講開場，先與現場師生分享了自己相當跨領域的學術養成歷程：她在國立交通大學取得應用化學學士學位後，於國立臺灣大學取得化學碩士學位，其後決定轉換研究跑道，前往美國威斯康辛大學麥迪遜分校，先取得聚焦能源政策的公共事務碩士學位，最終於該校取得大眾傳播學博士學位。蘇怡帆笑稱，正因這段橫跨理工、政策與傳播領域的求學歷程，她的研究興趣也格外強調跨領域對話，論文發表範圍橫跨傳播學、資訊系統與人機互動（HCI）等不同學門，近年研究成果更多見於人機互動相關期刊。她目前身兼《Environmental Communication》期刊編輯委員、《Science Communication》期刊編輯委員，並正主編《Journal of Interactive Advertising》一期聚焦生成式 AI 的專刊，學術參與相當活躍。
蘇怡帆長期關注數位科技在社會中所扮演的角色。她提到，自己早期研究聚焦於社群媒體，約五、六年前，研究重心逐漸轉向聊天機器人與對話式代理人。她的研究主軸大致可歸納為三條脈絡：第一是本次演講的核心——探討聊天機器人如何形塑資訊接收、態度形成與說服過程，尤其著重於科學傳播、健康傳播與環境傳播等應用場域；第二是社群媒體上的視覺傳播研究，探討圖像設計與幽默元素如何影響受眾態度；第三則是大規模社群媒體數據的計算分析，也就是下午工作坊實作的主題。
本次講座與工作坊不僅讓參與者更全面了解對話式 AI 的當前發展與市場接受度，也為社群媒體分析建立了紮實的入門基礎。蘇怡帆橫跨理工、政策與傳播的求學歷程，以及她作為校友重返母校分享的身分，也為在場學生帶來另一種啟發：學術路徑未必是一條直線，跨領域的養成反而可能成就獨特的研究視角。活動亦促成本系與國際學者間的深度交流，拓展新興科技與傳播跨領域研究的視野，為未來學術合作與教學方向開啟更多可能性。
