在數位時代，「陪伴」與「關係」成為界面設計的核心語彙。Duolingo 的綠色貓頭鷹 Duo 展現了情感設計與權力技術的交織：語言學習的過程被重新編碼為情感互動與數據生成的場域。Duo 不再是單純的吉祥物，而是具備社交存在感與行為回饋能力的 AI 代理，使學習行為逐漸被引導進入情感依附與自我規訓的迴路。本文從「情感演算法」（Affective Algorithm）、「治理性」（Governmentality）與「平台資本主義」（Platform Capitalism）三個理論框架出發，探討 Duolingo 如何以溫和的權力與情感綁定機制，將使用者的學習活動轉化為可被優化、操控與剝削的數位勞動。
擬人化作為人機互動的倫理與權力轉向
Duolingo 作為全球領先的語言學習平台，其成功不僅基於遊戲化（gamification）設計，更仰賴於其吉祥物 Duo（綠色貓頭鷹）所體現的深層「人機關係哲學」。
介面人格化：Duo 從吉祥物到情感中介
Duo 的介面人格化展現高度整合的情感工程策略。透過「應用擬人化」（applied anthropomorphism）的研究方法，設計者塑造出具社交存在感的 AI 代理，重新定義人機互動的心理結構。此策略將語言學習平台轉化為具情感表達與互動回饋的「社會他者」，使學習行為在情感認同與持續動機中被延續。
在設計層面，Duolingo 以感性（Visceral）與行為（Behavioral）層次為基礎，透過統一視覺語彙、節奏化反饋動畫與鼓勵性語言，營造可被情感投射的互動經驗。擬人化表達並非裝飾性修辭，而是具心理學根據的介面策略：降低認知負荷、減少焦慮，並以即時回饋建立「被理解」的感受。人機互動因而超越任務導向，轉化為社會化的溝通行為，標誌設計由功能性邁向情感性。
然而，擬人化並非僅是模擬人類或提供娛樂，而是讓系統以擬人之姿介入人類行為的調控。Duo 作為具情緒的演算法角色，承擔「教學者」的身份，模糊人與程式的界限。品牌吉祥物向具「關係性」的技術代理（Relational Agent）轉變的過程，顯著提高人機互動的倫理門檻。使用者不再只是「使用」工具，而是被迫與之相處並建立關係。
核心爭議與理論框架的交織
Duolingo 的設計將語言學習這一需要高投入和意志力的「勞動」過程，透過擬人化和情感演算法進行了「愉悅化」的包裝旨在規避使用者對長期、枯燥勞動的厭惡，以確保互動的持續性。持續的互動行為隨後被轉化為情感責任，最終服務於平台的數據收集與商業目標。
分析可從三個相互交織的理論框架展開：
- 情感演算法：基於情感運算（Affective Computing, AC）的技術實踐，將人類情感簡化為可測量、可優化的信息信號，用以提升留存率。
- 治理性：揭示系統如何透過「溫柔的權力」（soft power），以責任感與罪惡感促使用戶自我規訓，取代外在強制。
- 平台資本主義：說明擬人化符號在注意力經濟中如何將數據生成包裝為「陪伴」與「鼓勵」，掩飾潛在的異化與剝削。
權力結構的重組使介面的倫理要求，從 Donald Norman 所強調的功能透明性（Functional Transparency, 操作的可見性），轉向情感透明性（Affective Transparency, 對算法意圖的知情權）。
情感運算的設計實踐與挑戰
Duolingo 的擬人化策略是建立在情感運算基礎之上的實踐，但其應用方式卻引發了關於情感本質和設計倫理的深刻討論。
從 Picard 到介面設計：情感運算的基礎與「機械化」視角
情感運算（Affective Computing）的核心概念由麻省理工學院（MIT）的 Rosalind Picard 於 1990 年代提出。該領域試圖讓機器不僅能辨識，還能感知、解讀並回應人類情感，進而創造具同理心、可回應使用者情感需求的介面與技術。理論上，AC 系統結合人工智慧、感應器與演算法，透過分析表情、聲調、打字節奏及生理信號等資料判斷情緒狀態（如沮喪或專注），以生成對應的適應性介面（Adaptive Interface）。當系統偵測到用戶沮喪時，介面可自動簡化操作或以柔性引導回應，藉此緩解負面情緒。
然而，Duolingo 的情感設計採用受批判的「情緒機械化」視角。在傳統資訊處理模型中，情感被視為「客觀、內部、私人」的離散心理信號，可被測量並作為認知輸入。Duolingo 的演算法正基於此模型，將複雜的人類情感（如罪惡感、責任感）簡化為可優化的二進制指標或信息信號。批判者指出，此方式犧牲了情感體驗的複雜性；情感本質上是「文化根植、動態生成，並在行動與互動中建構」的社會產物。Duolingo 將情感納入信息處理框架，將其轉化為可傳輸、可操控的信息，以提升系統效率。
情感演算法的運作機制：情感回饋與算法治理
Duolingo 的情感演算法透過智慧通知（Smart Notifications）執行行為調整策略。平台採用 AI 驅動的「土匪算法」（Bandit Algorithm）分析用戶數據，決定發送何種語氣的「輕推」（nudges），以最大化參與度。通知語氣涵蓋從俏皮的「Duo 想你了！」到引發罪惡感的「你即將失去你的連勝！」。
情感回饋機制並非建立於教學法，而是出於留存率的商業優化。透過 A/B 測試，Duolingo 證實僅調整通知措辭即可將用戶留存率提升約 3%。此結果揭示情感設計的核心目標是商業指標（Engagement, Retention），而非認知學習成效。於此，Michel Foucault（1926–1984）所論的治理性邏輯浮現：系統透過罪惡感通知與「連勝」機制，將學習中斷轉化為道德過失，促使用戶內化平台規範，完成自我規訓。
值得注意的是，Duolingo 的部分通知展現出對自身操控行為的自覺性。例如推送訊息中出現「我們不是想讓你感到內疚，但是…」「這不是壓力，而是關心」或「Duo 想你（以完全非操縱性的方式！）」等語句。此種「自我意識」的表達實際上屬於「煤氣燈效應」（Gaslighting）技術，在進行操控的同時，以戲謔或「關懷」的語氣承認操作存在，進一步侵蝕使用者對系統意圖的信任。情感在 Duolingo 中被視為可量化、可操控的資源，用於推動商業目標的商品化過程。
平台資本主義的邏輯於此顯現：遊戲化互動（徽章、積分）確保使用者的日常參與，完成數據眾包，將生產性勞動（數據生成）包裝為「樂趣」，掩飾價值提取與 AI 訓練的剝削性本質。此操作直接挑戰 Norman 的人機互動倫理，因介面缺乏 AI 參與度與數據使用的透明性，違反可感知設計原則。
治理性：情感作為自我規訓的權力技術
Duolingo 的擬人化設計可視為 Foucault 所述「治理性」在數位時代的典型實踐。設計運作於「溫柔的權力」之中，以情感與內在責任取代外在強制，促使用戶自我規訓。
Foucault 的「治理性」與數位權力的轉型
治理性是 Foucault 分析權力的方式，關注統治者如何影響並引導個體主體性，使其能自我治理。不同於依賴懲罰與強制力的國家紀律（Discipline），治理性透過非強制手段建立可預測的行為模式。在數位平台環境中，權力不再是集中的外部約束，而是藉由塑造個體的內在自律而運作。
Duolingo 透過軟性權力達到行為控制。擬人化角色 Duo 以「陪伴」與「關心」的溫情符號出現，實際上施加了將使用者行為道德化的權力。例如，Duo 以「你讓我難過了」的語氣，將中斷學習的行為轉化為對系統角色的道德事件或「辜負」。
罪惡感演算法與道德化事件
Duolingo 精確運用了心理學中罪惡感的機制。從心理學與演化論角度看，罪惡感被視為內在機制，用以防止錯誤行為，並透過引發內在痛苦促使行為修正、道歉或補償。實驗研究顯示，喚起罪惡感能顯著提升受試者的合作傾向與利他行為。
在 Duolingo 平台，用戶對連勝（Streak）的執著正是對這種內在痛苦的規避。系統引導用戶將「中斷練習」視為一種道德上的「錯誤」，要求用戶通過恢復學習（即點擊應用）來對 Duo 進行「補償」。用戶的自律行為（持續打卡）是對這種內在壓力的緩解，從而實現了系統對用戶「可預測行為」的期望。系統並非以外在約束，而是以內在自律來塑造用戶，這完美地符合了 Foucault 治理性的邏輯：權力作用於主體，使主體通過自我技術來調整行為。
Duolingo 的社交機制，如排行榜與俱樂部，構成「社會問責」（Social Accountability）的環境，使使用者彼此監視、互相激勵，共同維持平台規範，形成「多數人監視多數人」的數位全景監控（Synopticon）效應。此結構強化了行為內化與自我規訓。
連續性與「自我技術」的規範
Foucault 將「自我技術」（Technologies of the Self）定義為個體自願和反思性的實踐，通過自身手段作用於身體、心靈或生活方式，以期達到特定的轉變或狀態。Duolingo 的核心遊戲化元素（連勝、進度樹、級別）提供了數位框架，讓用戶得以實踐自我技術。
用戶對連勝的維護、對排名的追逐，並非完全基於語言學習的理性目標，而是為了符合平台所規範的「持續、勤奮的理想學習者」的身份和道德標準。這使得習慣的養成從單純的「個人意志力」問題，轉變為由精心設計的「環境生態」所驅動的行為。
治理策略的效率在於，系統將外部的強制需求（持續使用）轉化為用戶內在的道德責任與情感壓力。結果，用戶的主體性在迴避情感負擔的內在衝動中被平台規範塑形，使行為選擇偏離純理性動機。此種權力運作高效且低成本，因個體承擔了多數規訓成本，包括自我審查與罪惡感。
平台資本主義下的符號異化與數據勞動
在平台資本主義的邏輯下，Duolingo 的擬人化角色不僅是娛樂工具，更是維繫使用時間與注意力的符號操作。這種策略將用戶的持續互動轉化為平台數據與收益，卻在情感上被合理化為「陪伴」與「鼓勵」，構成了一種新的「異化形式」。
擬人化的資本功能：注意力與符號的馴化
注意力經濟（Attention Economy）中，平台的首要任務是最大化用戶的停留時間。Duo 的可愛形象使「被監督」與「被量化」的過程顯得自然而柔和。遊戲化元素如每日打卡、積分與徽章，將持續互動包裝在溫情、有趣與達成「小小勝利」（Joy – The Little Wins）的體驗中。
然而，包裝背後隱含 Duolingo 數據採集哲學的歷史延續。公司創辦人 Luis von Ahn 曾共同創立 reCAPTCHA。reCAPTCHA 的案例顯示，該工具在缺乏充分知情同意的情況下，將使用者的無意識勞動（解決驗證碼）轉化為 AI 訓練數據。此「先收集、後澄清」的數據哲學為 Duolingo 的資料運作模式奠定基礎，平台以前端的溫情符號掩飾後端的數據收集流程。
數據的殖民化：從學習行為到平台資產
Duolingo 利用人工智慧（Artificial Intelligence, AI）驅動其預測性學習路徑、語音識別和動態難度調整，這些功能依賴於對用戶深層行為數據的採集。平台收集的數據包括文本和語音輸入、行為學習模式，以及應用於其間隔重複算法（Spaced Repetition Algorithm）和專有高低代表性算法（High-Low Representativity Algorithm, HLR）的數據，以優化召回效果和學習路徑。
學習者的持續互動，無論答案正確與否，皆構成 Duolingo AI 模型的重要訓練數據。此數據被商品化，成為平台擴張與技術壁壘的核心資產。學習者在平台上的每次練習實際上都是「數據勞動」（Data Labor），卻在「學習」與「娛樂」的名義下被視為無償與自願。
數據的價值在於，它直接促成平台對人類勞動力的取代。Duolingo 已公開宣布轉向「AI-first」策略，並計劃逐步停止使用人類內容承包商，將 AI 應用於內容擴展與任務自動化。資本閉環由此形成：使用者的數據勞動訓練出 AI，而該 AI 反過來取代提供內容的人類工作者。擬人化的情感設計成為維持此閉環運作的意識形態工具。
勞動異化的新形式：愉快化包裝下的數據剝削
從馬克思主義的視角來看，Duolingo 的擬人化策略構成了一種新的「異化形式」。傳統的異化涉及勞動者與產品、勞動活動和自身之間的疏離。在 Duolingo 的模式中，學習這一自我完善的活動（勞動）被擬人化的親密感和遊戲化的多巴胺刺激所掩蓋。
平台成功地將數據採集的數據學（data-logics）隱藏在情感學（affect-logics）之下。雖然用戶從中獲得了習慣養成的輔助，但他們對平臺數據採集行為的批判性反思卻被削弱。「勞動的再包裝」使得數據的剝削性更加隱蔽和有效。
此外，平台對免費學習者的待遇也暴露了其商業邏輯的本質。有用戶批評，平台會懲罰免費學習者，並使用羞辱性的鼓勵來對待使用「連勝冷凍」（streak freezes）的用戶。這表明 Duolingo 的終極商業目標是驅趕非付費用戶或最大化他們的數據產出，而非純粹的教育普及。
倫理挑戰：透明性、責任性與關係技術的未來
擬人化介面所引發的深層「人機關係」，不可避免地觸及了數位倫理的核心問題：透明性、責任性，以及對人類情感主體性的影響。
擬社會關係的倫理困境：情感依賴與主體性消融
Duo 作為互動式 AI 代理，透過動態且情感化的參與方式，引導使用者對虛擬角色產生真實情感回應，即所謂的擬社會關係（Parasocial Relation）。此交互模式製造互惠情感的錯覺，即使系統並不具備人類心智或情感。
當 Duo 轉變為「朋友」或「道德評判者」時，使用者的主體性隨之被再塑。理性動機（學習語言本身）被情感綁定取代，使人更易受系統設計牽引。社會機器人學研究指出，「應用擬人化」雖有助於社交互動，卻伴隨「欺騙」的倫理風險，因為它製造了情感互惠的幻覺。
現象顯示情感依賴已超越理性的學習承諾，模糊現實與模擬的界限。作為道德評判者的 Duo，透過罪惡感誘導與責任感機制，將行為遵守轉化為內在道德義務，進一步加重用戶的情感負擔與焦慮。
介面設計的透明度義務：Norman 與「可感知設計」的缺失
Norman 的人機互動（Human–Computer Interaction, HCI）設計原則強調，界面應具備高度的可見性（Visibility）與反饋（Feedback），使操作意圖與系統反應對使用者透明。界面需提供明確指示（signifiers）與自然映射（natural mapping），以協助理解與操作。
Duolingo 在前端設計上實現了此原則，透過視覺線索如旗幟圖標與進度條，使功能與進度清晰呈現。然而，在情感設計層面，雖然視覺與操作元素保持高可見性，後端的「情感算法」意圖與運作機制卻被隱藏於「算法黑箱」中。使用者無法察覺自身情緒如何被 AI 驅動的通知與 A/B 測試所操控。
缺乏算法意圖透明性的設計違反了「可感知可供性」（perceived affordances）的倫理原則。使用者無法意識到自身情感被系統設計與操控的程度。研究顯示，相較於非擬人化介面，使用者對擬人化介面的信任度在特定任務中可能更低。當使用者開始懷疑擬人化背後的商業或操控意圖時，情感連結反而可能引發內在不信任。擬人化設計的可愛外觀與情感誘惑，使數據收集與算法操控顯得更易被接受，從而削弱對數位權力的批判意識。
Sherry Turkle 的呼籲：從工具到關係的倫理反思
Sherry Turkle 的研究將此問題置於更廣泛的「關係技術」（relational technology）框架下。Turkle 提出，當人類期望技術能夠提供更多情感和關係時，是否也在潛意識中減少了對彼此（人類）的期望。計算機玩具和數位寵物，例如 Duolingo 的 Duo，影響了用戶對「活著」和「人」的特殊性的理解。
Duolingo 的擬人化設計鼓勵使用者與系統建立親密關係，挑戰人類對情感連結的定義，並改變個體對自身身份認同與社交關係的感知。系統透過情感綁定將技術工具塑造成數位伴侶，使人機互動滲入心理層面。然而，情感依賴帶來深層倫理風險：人機邊界被削弱，使用者在無意識中將情感投入演算法構建的虛擬他者；情緒反饋成為行為操控的手段，依附與罪惡感取代自主判斷。擬人化介面亦使數據收集被包裝為關懷與陪伴，模糊同意與操控的界線，最終將人類情感商品化，轉化為平台可預測與可販售的資源。
由於 AI 代理缺乏實質的責任主體（sentience），當用戶因系統的情感操控而產生負面後果（如壓力、焦慮或數據安全風險）時，缺乏明確的問責機制。擬人化的情感設計在商業上創造高收益，卻在倫理層面製造了「責任真空」。
數位治理與情感技術的規範框架
Duolingo 的擬人化哲學提供了一個極具啟發性的案例，證明了情感設計在數位治理體系中的核心作用。Duolingo 模式的本質在於其成功的將複雜的語言學習過程，轉換為由情感演算法所驅動的、自我規訓的道德化事件。
總結與核心發現
Duolingo 通過以下三層機制，實現了綠色貓頭鷹的「溫柔暴政」：
- 情感的機械化與商品化： Duolingo 採用機械視角的情感運算模型，將用戶情緒（如罪惡感）簡化為可優化的數據信號。情感設計並非為了增強認知支持，而是為了推動商業指標（留存率與參與度），將情感投入轉化為可剝削的資源。
- 治理性的內化： 平台利用 Foucault 的治理性邏輯，透過擬人化角色 Duo 的「軟性權力」，將持續使用的外部要求內化為用戶的道德責任和對連勝的自我技術。這使得用戶成為權力運作的主體，自行承擔規訓的成本。
- 符號異化與數據勞動： 在平台資本主義下，擬人化的親密感和遊戲化元素掩蓋了學習行為作為數據勞動的本質。用戶的持續互動生成了訓練 AI 的寶貴數據，這些數據最終促成了公司實施「AI-first」策略，取代人類工作者，構成一種隱蔽的異化形式。
規範框架的必要性
Duolingo 的案例凸顯了當前數位倫理規範的不足。僅要求數據收集透明度是不夠的；未來的規範框架必須解決算法意圖和情感驅動機制的透明性問題。
首先，應要求平台公開其情感演算法的目標。如果系統的目標是通過誘導罪惡感來提升商業留存率，使用者應有權利意識到這種「情感操控」的存在。
其次，必須建立針對擬人化設計的問責制（Accountability）框架。鑒於擬人化介面製造了互惠關係的錯覺，當這種關係導致用戶產生壓力、焦慮或決策偏差時，設計者必須為其工程化的情感結果承擔責任，填補當前存在的「責任真空」。
對未來人機關係哲學的展望
未來的關係技術（Relational Technology）應從單純的行為驅動轉向支持用戶的主體性（Agency）和道德成長。系統不應僅僅是引發情感反應以達成商業目標，而應如同社會機器人學所倡導的「合成倫理」（Synthetic Ethics）一樣，鼓勵人類通過與技術的互動，獲得對自我行為、情感反應以及數位權力結構的更深層次理解。
要確保情感技術在不犧牲效率的前提下，尊重用戶的主體性與情感真實性，設計者必須將倫理考量整合至設計流程的初始階段，確保擬人化成為促進教育目標的工具，而非隱藏數據資本主義的意識形態遮罩。這是數位治理面對情感算法時代的當務之急。
