生成式人工智慧（Generative AI或生成式AI）是一種快速發展的技術，能生成文案、圖片、音訊等作品，善用AI可顯著提升學習和工作效率，但是要嚴格檢視AI生成內容的正確性，避免過度依賴。在眾多大型語言模型中，ChatGPT對教育領域的影響尤其顯著，台灣用戶和市場對AI的持續發展充滿期待與擔憂。過往的研究在原始科技接受模型（TAM）中納入更多變數為了更有效解析生成式AI應用程式的使用意圖，人工智慧模仿人類或超越常人的能力，使人們不再僅將其視為工具，AI的人性化回應可增加心理上的溫暖感，並對使用者的態度產生積極影響。然而，隨著AI採用率的提升，其生成內容的可靠度和個資洩漏風險已成為備受矚目的重要議題。本研究旨在探討台灣高等教育體系下，原始TAM模型的知覺易用性是否顯著影響台灣大學生對ChatGPT的使用意圖，以及知覺有用性與態度是否在此過程中扮演重要的中介角色。研究還納入了擬人化與信任為自變數，探討其對態度及使用意圖的影響。此外，本研究檢視不同隱私擔憂程度的台灣大學生對ChatGPT的使用意圖之相關關鍵影響因素是否有顯著差異。
本研究通過網路問卷調查台灣大學生（包括僑生、外籍生及碩博士生），共收集有效樣本585份（包含無使用經驗的學生），並以LISREL軟硬進行數據分析。結果顯示，在整體樣本中，知覺易用性最具影響力，且知覺易用性需通過知覺有用性來影響態度和使用意圖，表明知覺有用性與態度在此過程中具有重要的中介角色。本研究也證實，擬人化與信任會顯著影響使用意圖，且態度扮演著重要的中介角色。此外，本研究以整體有效樣本隱私擔憂程度的平均值為分界線，將整體樣本分為低隱私擔憂（326份）和高隱私擔憂（259份）兩群。分析結果顯示，低和高隱私擔憂群體的相關關鍵影響因素確實是有所差異，對於低隱私擔憂群體而言，擬人化對使用意圖無顯著影響，而（相對於高隱私擔憂群體和整體樣本）知覺易用性及信任更具影響力。但對於高隱私擔憂群體而言，擬人化及信任的影響力較為一致，且一樣需通過態度來影響使用意圖。

Generative AI is a rapidly evolving technology capable of generating text, images, and audio, significantly enhancing learning and work efficiency. However, it is crucial to verify AI-generated content to prevent over-reliance. Among various Large Language Models (LLMs), ChatGPT has a significant impact on education, Taiwanese users and markets anticipate AI's potential. AI’s humanized responses can foster psychological affinity, positively influencing user attitudes. Nevertheless, concerns persist regarding the accuracy of AI-generated content and potential privacy risks. This study explores whether perceived ease of use in the original Technology Acceptance Model (TAM) influences Taiwanese university students' intention to use ChatGPT and examines the mediating roles of perceived usefulness and attitude. It incorporates anthropomorphism and trust as additional variables and examines the moderating role of privacy concerns.
Data collected from 585 university students in Taiwan were analyzed using LISREL software. Results indicate that perceived ease of use is the most influential factor, indirectly impacting usage intention through perceived usefulness and attitude, highlighting the mediating roles of these constructs. Anthropomorphism and trust significantly affect usage intention, with attitude serving as a key mediator. Additionally, analysis results reveal notable differences between the low and high privacy concern students regarding key influencing factors. For students with low privacy concerns (N=326), perceived ease of use and trust have stronger effects compared to the overall sample and those with high privacy concerns (N=259), while anthropomorphism has no significant impact. However, for students with high privacy concerns, the influences of anthropomorphism and trust are relatively consistent, and both need to affect usage intention through attitude.

目錄
目錄	i
表目錄	iii
圖目錄	v
第一章：緒論	1
第一節 研究背景	1
第二節 研究動機	3
第三節 研究目的	4
第四節 研究範圍及對象	4
第五節 研究流程	5
第二章：理論與文獻探討	6
第一節 科技接受模型與其相關模型回顧	6
一、理性行為理論（Theory of Reasoned Action, TRA）	7
二、計畫行為理論（Theory of Planned Behavior, TPB）	8
三、科技接受模型（Technology Acceptance Model, TAM）	9
四、整合科技接受模型（Unified Theory of Acceptance and Use of Technology, UTAUT）	12
五、創新擴散理論（Diffusion of Innovation Theory, DOI）	13
六、小結	14
第二節 人工智慧的發展歷程與生成式AI的概況	15
一、人工智慧的定義	15
二、人工智慧的起源與發展歷程簡介	18
三、生成式AI價值鏈與市場	20
四、ChatGPT應用簡介	23
五、小結	25
第三節 台灣民眾對聊天機器人的使用現況、經驗與觀感	26
一、新興科技採用的分類模型（Decision makers’ new IT-adoption taxonomy）與台灣民眾的決策行為分析	26
二、擬人化的聊天機器人與台灣民眾的主觀感受	29
三、台灣民眾對聊天機器人的信任	30
四、AI風險、隱私擔憂與AI焦慮	32
五、小結	34
第四節 台灣教育中AI的應用與SDGs目標	35
第三章 研究方法	37
第一節 研究架構	37
第二節 研究假說	38
第三節 研究變數之操作性定義與衡量項目	41
一、知覺易用性（Perceived Ease of Use）	41
二、擬人化 （Anthropomorphism）	42
三、信任（Trust）	43
四、知覺有用性（Perceived Usefulness）	44
五、態度（Attitude）	45
六、使用意圖（Intention）	46
七、隱私擔憂（Privacy Concerns）	47
第四節 研究設計	48
一、問卷設計	48
二、問卷發放與回收情形	49
三、問卷樣本分群方法	50
第五節 資料分析方法	51
一、敘述性統計分析	51
二、結構方程式模型分析	52
第四章 資料分析與結果	55
第一節 敘述性統計分析	55
一、整體及低/高隱私擔憂有效樣本之基本資料	55
二、整體及低/高隱私擔憂樣本之使用經驗/使用概況	61
三、小結	76
第二節 結構方程式模型分析	77
一、結構方程式模型分析	77
二、整體模型配適度分析	82
三、衡量模式之評估	83
四、研究假說與驗證結果	89
五、結果關係路徑分析	93
第五章 研究結論分析與發現	96
第一節 研究結論	96
第二節 研究發現	98
第三節 研究限制與未來研究建議	102
參考文獻	104
附錄：研究問卷	114

表目錄
表2-1 GPT-4o與GPT-4的優/缺點	24
表3-1本研究之研究假說整理	40
表3-2知覺易用性之操作性定義與衡量問項	41
表3-3擬人化之操作性定義與衡量問項	42
表3-4信任之操作性定義與衡量問項	43
表3-5知覺有用性之操作性定義與衡量問項	44
表3-6態度之操作性定義與衡量問項	45
表3-7使用意圖之操作性定義與衡量問項	46
表3-8隱私擔憂之操作性定義與衡量問項	47
表3-9本研究發放問卷與回收情形	49
表3-10本研究低與高隱私擔憂樣本之平均值明細	50
表3-11 LISREL符號說明	53
表3-12整體模型之配適度指標與準則	54
表4-1整體及低/高隱私擔憂樣本之性別分佈情形	55
表4-2整體及低/高隱私擔憂樣本之年齡分佈情形	56
表4-3整體及低/高隱私擔憂樣本之在學狀況分佈情形	57
表4-4整體及低/高隱私擔憂樣本之大學生就讀學院分佈情形	58
表4-5整體及低/高隱私擔憂樣本之大學生就讀大學地區分佈情形	59
表4-6整體及低/高隱私擔憂樣本之每月可支配所得分佈情形	60
表4-7整體及低/高隱私擔憂樣本之使用ChatGPT經驗者分佈情形	61
表4-8整體及低/高隱私擔憂樣本之最近一個月使用ChatGPT的累計時間分佈情形	62
表4-9整體及低/高隱私擔憂樣本之每月使用ChatGPT的平均次數分佈情形	63
表4-10 整體及低/高隱私擔憂樣本之每次使用ChatGPT的平均時間分佈情形	64
表4-11 整體及低/高隱私擔憂樣本之目前使用ChatGPT付費版分佈情形	65
表4-12 整體有效樣本之了解ChatGPT付費版與免費版的功能差異分佈情形	66
表4-13 整體及低/高隱私擔憂樣本之目前使用ChatGPT的主要裝置分佈情形	67
表4-14 整體及低/高隱私擔憂樣本之知道ChatGPT的Prompt用途分佈情形	68
表4-15整體及低/高隱私擔憂樣本之認為使用ChatGPT的過程中要同時用Prompt分佈情形	69
表4-16整體及低/高隱私擔憂樣本之使用其它AI工具做後續任務處理ChatGPT生成的內容分佈情形	70
表4-17整體及低/高隱私擔憂樣本之知道ChatGPT所提供的資訊有一定的時間範圍分佈情形	71
表4-18整體及低/高隱私擔憂樣本之知道ChatGPT所提供的資訊有一定的知識範圍分佈情形	72
表4-19整體及低/高隱私擔憂樣本之知道ChatGPT所提供的資訊有可能存在不正確性分佈情形	73
表4-20整體及低/高隱私擔憂樣本之學校或課程需求建議使用ChatGPT分佈情形	74
表4-21整體及低/高隱私擔憂樣本之使用ChatGPT的用途分佈情形	75
表4-22低隱私擔憂樣本的相關基本資料與使用概況整理	76
表4-23高隱私擔憂樣本的相關基本資料與使用概況整理	76
表4-24線性結構模型之相關參數說明	79
表4-25整體及低/高隱私擔憂樣本模型之配適度衡量結果彙整表	82
表 4-26整體樣本衡量模式之評估	83
表 4-27低隱私擔憂樣本衡量模式之評估	85
表 4-28 高隱私擔憂樣本衡量模式之評估	87
表4-29整體樣本之研究假說檢定結果	90
表4-30低隱私擔憂分群之研究結果	91
表4-31高隱私擔憂分群之研究結果	92
表 4-32整體樣本路徑效果分析	93
表 4-33低隱私擔憂樣本路徑效果分析	94
表 4-34高隱私擔憂樣本路徑效果分析	95

圖目錄
圖1-1研究流程	5
圖 2-1理性行為理論（TRA）架構圖	7
圖2-2計畫行為理論（TPB）架構圖	8
圖2-3 科技接受模型 I（TAM I）	9
圖2-4科技接受模型 I修正版（Revised TAM I）	10
圖2-5科技接受模型 II（TAM II）	10
圖2-6整合科技接受模型 ( UTAUT)	12
圖2-7創新擴散理論模型 ( DOI )	13
圖2-8 AI、機器學習和深度學習之間的關係圖	15
圖2-9 AI六大應用領域	17
圖2-10 人工智慧發展歷史中的重要里程碑	19
圖2-11生成式AI 價值鏈	20
圖2-12生成式AI價值鏈中的主要參與者	20
圖2-13 各地區生成式AI價值鏈巨頭	21
圖2-14 Apple、Meta、Google 和 Microsoft 在生成式AI領域的佈局	21
圖2-15 生成式AI 2023 年主要供應商的市場份額 ，模型與平台	22
圖2-16 新興科技採用的分類模型	27
圖2-17台灣民眾對新興科技使用的想法與分類	27
圖2-18不同新興科技使用類型對新興科技使用率之比較	28
圖2-19台灣民眾對聊天機器人了解個人需求的同意度	30
圖2-20台灣民眾感知 AI 風險的影響	31
圖3-1研究架構	37
圖4-1本研究整體模型之線性結構關係圖	78
圖4-2本研究之整體樣本線性結構模型關係路徑分析圖	93
圖4-3本研究之低隱私擔憂樣本線性結構模型關係路徑分析圖	94
圖4-4本研究之高隱私擔憂樣本線性結構模型關係路徑分析圖	95
 

一、中文文獻
朱崧豪。(2023)。以科技接受模型3探討人工智慧ChatGPT使用體驗與意願之研究 國立成功大學]。臺灣博碩士論文知識加值系統。https://hdl.handle.net/11296/ms2u79
李加祈。(2024)。消除AI焦慮的「匹」型人才是什麼？跨校學程能學？。遠見雜誌。 https://www.gvm.com.tw/article/115443
李昕寧、鄭永福、張千惠、吳榮根。(2018)。視障學生行動觸控設備使用態度影響模式探究：以知覺有用性、知覺易用性為中介變項 [Study on Attitude toward Mobile Devices in Students with Visual Impairments: Perceived Usefulness and Perceived Ease of Use as Mediating Variables]。教育心理學報， 50(1)， 107-129。https://doi.org/10.6251/bep.201809_50(1).0005
吳佳芬。(2023)。科技接受模式的發展與未來趨勢分析 [Development and Future Trend Analysis of Technology Acceptance Models]。科學與人文研究，11(3)，58-69。 https://doi.org/10.6535/jsh.202311_11(3).0003 
吳泰毅、鄧玉羚。(2023)。初探台灣民眾對人工智慧產品與服務之採用經驗與信任感。資訊社會研究。 https://doi.org/10.29843/JCCIS.202301_(44).0004 
周文賢。(2004)。多變量統計分析: SAS/STAT使用方法。智勝文化事業有限公司。https://books.google.com.tw/books?id=MxGtPgAACAAJ
林士蕙。(2024)。ChatGPT-4o怎麼用？竟免費！實測6種絕佳用法. 遠見雜誌。 https://www.gvm.com.tw/article/112892
洪子秀、 曾秋蓉。(2024)。探索ChatGPT在SDGs教育中的潛力：對學習成就的影響 2023TANET臺灣網際網路研討會，政治大學公企中心。https://nccur.lib.nccu.edu.tw/handle/140.119/151902
段文婷、江光榮。(2008)。計劃行為理論述評。華中師範大學心理學院。
高明德。(2016)。將隱私顧慮納入考量之延伸性科技接受模型-以智慧家庭服務為例。國立交通大學。 
陳慧如、吳綺蓁。(2010)。信任之概念分析 [Concept Analysis of Trust]。長庚護理， 21(2)，158-164。https://doi.org/10.6386/CGN.201006_21(2).0004 
陳曉莉。(2024)。OpenAI推出教育版ChatGPT Edu。 iThome電腦報周刊。https://www.ithome.com.tw/news/163223
張羽緹。(2024)。聽完黃仁勳AI演講「就業焦慮」 台大生憂：之後就是被淘汰的那群人。yahoo!新聞. https://reurl.cc/344A38
黃心怡、曾冠球、廖洲棚、陳敦源。(2021)。當人工智慧進入政府：公共行政理論對AI運用的反思 [When AI Joins the Government: A Reflection on AI Application and Public Administration Theory]。文官制度，13(2)，91-114。 
黃芳銘。(2007)。結構方程模式─理論與應用（五版）。台灣五南圖書出版股份有限公司。
葉盈君。(2012)。淺談計畫行為理論。第51期。 https://epaper.naer.edu.tw/edm.php?edm_no=51&content_no=1421
樓永堅、曾威智。(2016)。以後設分析法探討科技接受模式之研究 [A Study of Technology Acceptance Model Using Meta-Analysis]。科技管理學刊，21(2)，1-28。 
劉彥萱。(2023)。ChatGPT橫空出世，掀起AI新浪潮。https://news.tvbs.com.tw/exhibition/news-review/2023/world_01.html
謝昀澤、邱述琛。(2023)。AI風險》別跟ChatGPT聊太多，個資可能被偷記？。遠見雜誌。https://www.gvm.com.tw/article/100138

二、英文文獻
Ajzen, I. (1985). From Intentions to Actions: A Theory of Planned Behavior. In J. Kuhl & J. Beckmann (Eds.), Action Control: From Cognition to Behavior (pp. 11-39). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-69746-3_2 
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. https://doi.org/https://doi.org/10.1016/0749-5978(91)90020-T 
Allport, G. W. (1935). Attitudes. In A Handbook of Social Psychology (pp. 798–844). Clark University Press. 
Athanasopoulou, K., Daneva, G. N., Adamopoulos, P. G., & Scorilas, A. (2022). Artificial Intelligence: The Milestone in Modern Biomedical Research. BioMedInformatics, 2(4), 727-744. https://www.mdpi.com/2673-7426/2/4/49 
Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74-94. https://doi.org/10.1007/bf02723327 
Balakrishnan, J., Abed, S. S., & Jones, P. (2022). The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services? Technological Forecasting and Social Change, 180, 121692. https://doi.org/https://doi.org/10.1016/j.techfore.2022.121692 
Balakrishnan, J., & Dwivedi, Y. K. (2021). Conversational commerce: entering the next stage of AI-powered digital assistants. Annals of Operations Research, 333. https://doi.org/10.1007/s10479-021-04049-5 
Bansal, G., Zahedi, F. M., & Gefen, D. (2015). The role of privacy assurance mechanisms in building trust and the moderating role of privacy concern. European Journal of Information Systems, 24(6), 624-644. https://doi.org/10.1057/ejis.2014.41 
Barki, H., & Hartwick, J. (1994). Measuring User Participation, User Involvement, and User Attitude. MIS Quarterly, 18(1). https://doi.org/10.2307/249610 
Bentler, P. M. (1983). Some contributions to efficient statistics in structural models: Specification and estimation of moment structures. Psychometrika, 48(4), 493-517. https://doi.org/10.1007/bf02293875 
Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3). https://doi.org/http://doi.org/10.1037/0033-2909.88.3.588. 
Biloš, A., & Budimir, B. (2024). Understanding the Adoption Dynamics of ChatGPT among Generation Z: Insights from a Modified UTAUT2 Model. Journal of Theoretical and Applied Electronic Commerce Research, 19(2), 863. https://doi.org/https://doi.org/10.3390/jtaer19020045 
Buchanan, B. G. (2005). A (Very) Brief History of Artificial Intelligence. https://doi.org/10.1609/aimag.v26i4.1848 
Chandra, S., Shirish, A., & Srivastava, S. C. (2022). To Be or Not to Be …Human? Theorizing the Role of Human-Like Competencies in Conversational Artificial Intelligence Agents. Journal of Management Information Systems, 39(4), 969-1005. https://doi.org/10.1080/07421222.2022.2127441 
Chen, H., Beaudoin, C. E., & Hong, T. (2017). Securing online privacy: An empirical test on Internet scam victimization, online privacy concerns, and privacy protection behaviors. Computers in Human Behavior, 70, 291-302. https://doi.org/10.1016/j.chb.2017.01.003 
Copeland, M. (2016). What’s the Difference Between Artificial Intelligence, Machine Learning and Deep Learning? NVIDIA. https://blogs.nvidia.com/blog/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
Crawford, K. (2022). Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Perspectives on Science and Christian Faith, 74(1), 61-62. https://doi.org/10.56315/PSCF3-22Crawford 
Davis, F. D. (1986). A Technology Acceptance Model for Empirically Testing New End-user Information Systems. Theory and Results. 
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3). https://doi.org/10.2307/249008 
Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: a three-factor theory of anthropomorphism. Psychol Rev, 114(4), 864-886. https://doi.org/10.1037/0033-295X.114.4.864 
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention and behaviour: An introduction to theory and research (Vol. 27). Addison-Wesley. 
Goutham, R. (2020). A beginner’s guide to understanding the buzz words -AI, ML, NLP, Deep Learning, Computer Vision, and Data Science. https://medium.com/swlh/a-beginners-guide-to-understanding-the-buzz-words-ai-ml-nlp-deep-learning-computer-vision-a877ee1c2cde
Hair, J. F. (1998). Multivariate data analysis (5th ed.). Prentice Hall. 
Hann, I.-H., Hui, K.-L., Lee, S.-Y. T., & Png, I. P. L. (2007). Overcoming Online Information Privacy Concerns: An Information-Processing Theory Approach. Journal of Management Information Systems, 24(2), 13-42. https://doi.org/10.2753/MIS0742-1222240202 
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indices in covariance structure analysis: conventional criteria versus new alternatives. Structural Equation Modelling, 6(1). 
Hume, D. (1757). The Natural History of Religion. Macmillan Pub. Co.
Jarvenpaa, S. L., Tractinsky, N., & Saarinen, L. (2006). Consumer Trust in an Internet Store: A Cross-Cultural Validation. Journal of Computer-Mediated Communication, 5(2), 0-0. https://doi.org/10.1111/j.1083-6101.1999.tb00337.x 
Jöreskog, K. G., Bollen, K. A., & Long, J. S. (1993). Testing structural equation models. : Testing structural equation models. 
Kauffman, R. J., Lee, Y. J., Prosch, M., & Steinbart, P. J. (2011). A Survey of Consumer Information Privacy from the Accounting Information Systems Perspective. Journal of Information Systems, 25(2), 47-79. https://doi.org/10.2308/isys-10091 
Kim, S. Y., Schmitt, B., & Thalmann, N. (2019). Eliza in the uncanny valley: anthropomorphizing consumer robots increases their perceived warmth but decreases liking. Marketing Letters, 30. https://doi.org/10.1007/s11002-019-09485-9 
Kronemann, B., Kizgin, H., Rana, N., & K. Dwivedi, Y. (2023). How AI encourages consumers to share their secrets? The role of anthropomorphism, personalisation, and privacy concerns and avenues for future research. Spanish Journal of Marketing - ESIC, 27(1), 3-19. https://doi.org/10.1108/sjme-10-2022-0213 
Kumar, V., Dixit, A., Javalgi, R., & Dass, M. (2015). Research framework, strategies, and applications of intelligent agent technologies (IATs) in marketing. Journal of the Academy of Marketing Science, 44. https://doi.org/10.1007/s11747-015-0426-9 
Lancelot Miltgen, C., Popovič, A., & Oliveira, T. (2013). Determinants of end-user acceptance of biometrics: Integrating the “Big 3” of technology acceptance with privacy context. Decision Support Systems, 56, 103-114. https://doi.org/https://doi.org/10.1016/j.dss.2013.05.010 
Lee, K., & Joshi, K. (2018). New information technologies and organizational adoption: a regulatory focus theory perspective for cross-cultural comparisons. Journal of Global Information Technology Management, 21(1), 1-4. https://doi.org/10.1080/1097198x.2018.1435005 
Lee, W.-J., Lee, H.-S., & Cha, M.-K. (2023). AI Like ChatGPT, Users Like Us: How ChatGPT Drivers and AI Efficacy Affect Consumer Behaviour. Virtual Economics, 6(4). https://doi.org/10.34021/ve.2023.06.04(3) 
Li, X., & Sung, Y. (2021). Anthropomorphism brings us closer: The mediating role of psychological distance in User–AI assistant interactions. Computers in Human Behavior, 118. https://doi.org/10.1016/j.chb.2021.106680 
Liébana-Cabanillas, F., Sánchez-Fernández, J., & Muñoz-Leiva, F. (2014). The moderating effect of experience in the adoption of mobile payment tools in Virtual Social Networks: The m-Payment Acceptance Model in Virtual Social Networks (MPAM-VSN). International Journal of Information Management, 34(2), 151-166. https://doi.org/https://doi.org/10.1016/j.ijinfomgt.2013.12.006 
Likert, R. (1932). A Technique for the Measurement of Attitudes. Archives of Psychology, 140. 
Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An Integrative Model of Organizational Trust. The Academy of Management Review, 20(3). https://doi.org/10.2307/258792 
Meige, A., Huczok, Z., & Eagar, R. (2023). Blue Shift / Report 004 (Generative artificial intelligence: Toward a new civilization?, Issue. https://www.adlittle.com/sites/default/files/reports/ADL_BLUE%20SHIFT_Generative_AI_2023.pdf
Mayor, A. (2018). An AI Wake-Up Call From Ancient Greece. Project Syndicate. https://www.project-syndicate.org/commentary/artificial-intelligence-pandoras-box-by-adrienne-mayor-2018-10
Mogaji, E., & Nguyen, N. (2021). Managers' Understanding of Artificial Intelligence in Relation to Marketing Financial Services: Insights from a Cross-Country Study. International Journal of Bank Marketing. https://doi.org/10.1108/IJBM-09-2021-0440 
Mogaji, E., Viglia, G., Srivastava, P., & Dwivedi, Y. (2024). Is it the end of the technology acceptance model in the era of generative artificial intelligence? International Journal of Contemporary Hospitality Management, 36, 3324-3339. https://doi.org/10.1108/IJCHM-08-2023-1271 
Mogopodi, E. (2024). Conversational Companions: ELIZA and the Future of AI Therapy. Independently Published. 
Müller-Seitz, G., Dautzenberg, K., Creusen, U., & Stromereder, C. (2009). Customer acceptance of RFID technology: Evidence from the German electronic retail sector. Journal of Retailing and Consumer Services, 16(1), 31-39. https://doi.org/https://doi.org/10.1016/j.jretconser.2008.08.002 
Nass, C., Steuer, J., & Tauber, E. R. (1994). Computers are social actors Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, Boston, Massachusetts, USA. https://doi.org/10.1145/191666.191703
Park, J., Ahn, J., Thavisay, T., & Ren, T. (2019). Examining the role of anxiety and social influence in multi-benefits of mobile payment service. Journal of Retailing and Consumer Services. 
Patil, P., Tamilmani, K., Rana, N., & Raghavan, V. (2020). Understanding consumer adoption of mobile payment in India: Extending Meta-UTAUT model with personal innovativeness, anxiety, trust, and grievance redressal. International Journal of Information Management, 54, 102144. https://doi.org/10.1016/j.ijinfomgt.2020.102144 
Pesonen, J. (2021). ‘Are You OK?’ Students’ Trust in a Chatbot Providing Support Opportunities. In (pp. 199-215). https://doi.org/10.1007/978-3-030-77943-6_13 
Polyportis, A., & Pahos, N. (2024). Understanding students’ adoption of the ChatGPT chatbot in higher education: the role of anthropomorphism, trust, design novelty and institutional policy. Behaviour & Information Technology, 1-22. https://doi.org/10.1080/0144929x.2024.2317364 
Rapp, A., Curti, L., & Boldi, A. (2021). The human side of human-chatbot interaction: A systematic literature review of ten years of research on text-based chatbots. International Journal of Human-Computer Studies, 151, 102630. https://doi.org/https://doi.org/10.1016/j.ijhcs.2021.102630 
Reeves, B., & Nass, C. (1996). The Media Equation: How People Treat Computers, Television, and New Media like Real People and Places. Cambridge University Press. 
Reyes-Villalba, E., Reyes-Arco, R. E., & Maraza-Quispe, B. (2024). Educational practices and the use of artificial intelligence: A multifaceted analysis in the current context [PrÁticas educacionais e o uso da inteligÊncia artificial: Uma anÁlise multifacetada no contexto atual prÁcticas educativas y uso de la inteligencia artificial: Un anÁlisis multifacÉtico en el contexto actual]. Revista de Gestão Social e Ambiental, 18(8), 1-27. https://doi.org/https://doi.org/10.24857/rgsa.vl8n8-017 
Rogers, E.M. (1962) Diffusion of Innovations. Free Press.
Rogers, E. M. (2003). Diffusion of Innovations, 5th Edition. Free Press.
Sahin, I. (2006). Detailed Review of Rogers' Diffusion of Innovations Theory and Educational Technology-Related Studies Based on Rogers' Theory. The Turkish Online Journal of Educational Technology, 5(2), 10. 
Schneider, S., & Haried, P. (2024). Use of artificial intelligence in higher education with particular reference to automated content generation, trust and anxiety. Journal of Business and Educational Leadership, 14(1), 4-21. https://ezproxy.lib.tku.edu.tw/login?url=https://www.proquest.com/scholarly-journals/use-artificial-intelligence-higher-education-with/docview/3068163399/se-2?accountid=14237
Schurr, P. H., & Ozanne, J. L. (1985). Influences on Exchange Processes: Buyers' Preconceptions of a Seller's Trustworthiness and Bargaining Toughness. Journal of Consumer Research, 11(4). https://doi.org/10.1086/209028 
Sheehan, B., Jin, H. S., & Gottlieb, U. (2020). Customer service chatbots: Anthropomorphism and adoption. Journal of Business Research, 115, 14-24. https://doi.org/https://doi.org/10.1016/j.jbusres.2020.04.030 
Stathakarou, N., Nifakos, S., Karlgren, K., Konstantinidis, S. T., Bamidis, P. D., Pattichis, C. S., & Davoody, N. (2020). Students' Perceptions on Chatbots' Potential and Design Characteristics in Healthcare Education. Stud Health Technol Inform, 272, 209-212. https://doi.org/10.3233/SHTI200531 
Sanchez, T. (2023). Planning With Artificial Intelligence. American Planning Association. 
Tucker, L. R., & Lewis, C. (1973). A reliability coefficient for maximum likelihood factor analysis. Psychometrika, 38(1), 1-10. 
Venkatesh, V., & Davis, F. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 46, 186-204. https://doi.org/10.1287/mnsc.46.2.186.11926 
Venkatesh, V., Morris, M., Davis, G., & Davis, F. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27, 425-478. https://doi.org/10.2307/30036540 
Wang, G., Tan, G. W.-H., Yuan, Y., Ooi, K.-B., & Dwivedi, Y. K. (2022). Revisiting TAM2 in behavioral targeting advertising: A deep learning-based dual-stage SEM-ANN analysis. Technological Forecasting and Social Change, 175, 121345. https://doi.org/https://doi.org/10.1016/j.techfore.2021.121345 
Wegner, P. (2023). The leading generative AI companies. IoT Analytics. https://iot-analytics.com/leading-generative-ai-companies/
Westin, A. F. (1967). Privacy and Freedom. Atheneum, New York.
Xu, H., Dinev, T., Smith, H., & Hart, P. (2008). Examining the Formation of Individual's Privacy Concerns: Toward an Integrative View. 
Zarouali, B., Ponnet, K., Walrave, M., & Poels, K. (2017). “Do you like cookies?” Adolescents' skeptical processing of retargeted Facebook-ads and the moderating role of privacy concern and a textual debriefing. Computers in Human Behavior, 69, 157-165. https://doi.org/https://doi.org/10.1016/j.chb.2016.11.050 

三、網絡文獻
比薪水。(2024)。台灣勞工比較不擔心被AI取代？調查指出台灣 AI 焦慮僅 21%，遠低於歐美國家。T客邦。https://www.techbang.com/posts/117053-than-salary-survey-report-ai-anxiety-in-taiwan-is-only-21
台灣網路報告。(2023)。財團法人台灣網路資訊中心。https://report.twnic.tw/2023/
台灣網路報告。(2024)。財團法人台灣網路資訊中心。https://report.twnic.tw/2024/ 
吳尚書、楊熾康、鍾莉娟。(2023)。創新的教育工具：探索 ChatGPT在輕度障礙學童教育中的潛在價值. 東華特教，70。
吳俊彥。(2023)。科技總是短期被高估，長期被低估！ChatGPT如何衝擊SDG教育目標？。未來城市l@天下. https://futurecity.cw.com.tw/article/2947
吳信輝。(2024)。生成式AI風潮下的人工智慧教育（一）： 人工智慧素養的3項重點. 未來城市@天下。https://futurecity.cw.com.tw/article/3413
國際瞭望。(2023)。ChatGPT因隱私問題在義大利被禁用. 財團法人台灣網路資訊中心。https://blog.twnic.tw/2023/05/05/26648/
彭博行業研究。(2023)。生成式AI机遇和颠覆：演變中的萬億美元市場。bloomberg Intelligence。
電腦的發明。(2004)。 The Merit Times. https://www.merit-times.com.tw/NewsPage.aspx?unid=201098
戴光育. (2023). 淡大秀AI「5C淡小虎」 可呼叫提高校內行政效率. 中央通訊社. https://netzero.cna.com.tw/news/202312130333/
關鍵議題研究中心。(2023)。AI時代的台灣：揭露台灣民眾對人工智慧的接受度與期待。TNL Mediagene. https://www.thenewslens.com/article/189490
Hello GPT-4o. (2024).  OpenAI. https://openai.com/index/hello-gpt-4o/
IBM, D. a. A. T. f. (2023). AI versus machine learning versus deep learning versus neural networks: What’s the difference? IBM. https://www.ibm.com/think/topics/ai-vs-machine-learning-vs-deep-learning-vs-neural-networks
Lin, J. (2024). ChatGPT強勢走進校園！美國大學ASU掀起AI創新教育新浪潮. AI郵報 https://aiposthub.com/chatgpt強勢走進校園！美國大學asu掀起ai創新教育新浪潮/
Yahoo奇摩. (2023). 生成式AI，消費者怎麼想？ Yahoo展開業界最大的生成式AI消費者調查 挖掘消費者洞察. Yahoo news. https://reurl.cc/Dlorm6