AI 應用程式：即時評估社群媒體影片中的和平程度
arXiv - Computers and SocietyP. Gilda (Columbia University), P. Dungarwal (Columbia University), A. Thongkham (Columbia University), E. T. Ajayi (St John's University), S. Choudhary (Columbia University), T. M. Terol (Columbia University), C. Lam (Columbia University), J. P. Araujo (Columbia University), M. McFadyen-Mungalln (Columbia University), L. S. Liebovitch (Columbia University), P. T. Coleman (Columbia University), H. West (Columbia University), K. Sieck (Toyota Research Institute), S. Carter (Toyota Research Institute)
研究開發了一款能即時分析 YouTube 影片語言維度，並提供使用者媒體飲食品質回饋的 AI 分析引擎。
AI 幫你先抓重點
AI 重點 1
從「內容消費」轉向「媒體素養的自我監測」
滑鼠懸停看 AI 判斷理由
這項技術將抽象的媒體素養轉化為可量化的即時回饋，讓使用者能意識到自身媒體飲食對情緒與社會觀點的潛在影響，從被動接收轉為主動監控。
AI 重點 2
LLM 在複雜社會維度分析上的優越性
滑鼠懸停看 AI 判斷理由
傳統情緒分析僅能辨識正負面，但 LLM 能處理如「細微差別」或「創造力」等高階語境，這為未來開發深層次的數位素養評估工具提供了技術可行性。
核心研究發現
- 1
使用監督式機器學習分析新聞文本時準確率高達 97%，但應用於 YouTube 影片轉錄文本時效果不佳，顯示書面與口語語言存在差異。
- 2
研究對比了情緒分析（SA）與大型語言模型（LLM），發現 LLM 在衡量五種社會和平維度時，與人類編碼員的一致性顯著高於 SA。
- 3
LLM 在評估如同情心、新聞與觀點區分、創造力與秩序等社會維度上，展現出能有效模擬人類判斷的能力。
對教育工作者的啟發
對於教育工作者而言，此研究提供了一個將「媒體素養」教學具體化的工具方向。在設計數位公民教育課程時，可以引入類似的即時回饋概念，引導學生不僅是檢視資訊真偽，更要學習分析資訊的「語調」與「社會維度」（如：是否過於簡化、是否缺乏同理心）。這有助於培養學生的批判性思考與元認知能力，讓他們在自主學習過程中，能主動調整自己的資訊攝取習慣，建立更健康的數位學習環境。
原始文獻資訊
- 英文標題：
- AI Application Gives Users Real-Time Feedback on the Level of Peace in the Social Media Videos They Watch
- 作者：
- P. Gilda (Columbia University), P. Dungarwal (Columbia University), A. Thongkham (Columbia University), E. T. Ajayi (St John's University), S. Choudhary (Columbia University), T. M. Terol (Columbia University), C. Lam (Columbia University), J. P. Araujo (Columbia University), M. McFadyen-Mungalln (Columbia University), L. S. Liebovitch (Columbia University), P. T. Coleman (Columbia University), H. West (Columbia University), K. Sieck (Toyota Research Institute), S. Carter (Toyota Research Institute)
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。