審計兒童網紅生態系統的參與激勵：多模態弱監督方法
arXiv - Computers and SocietyZijing Wei, Chao Peter Yang, Xuanjie Chen
利用弱監督多模態 AI 量化兒童網紅的剝削與觀看量關聯，揭示情感誘餌與表演勞動帶來觀看提升。
AI 幫你先抓重點
AI 重點 1
情感诱饵与表演劳动是观看量提升的关键驱动因素，超越传统广告。
滑鼠懸停看 AI 判斷理由
此洞察揭示平台更偏好儿童身份的商品化，挑战仅关注财务信托的监管框架，为政策制定者提供新的监管维度。
AI 重點 2
弱监督多模态 AI 能在缺乏标注资料时快速量化剥削风险，提供可扩展监测工具。
滑鼠懸停看 AI 判斷理由
展示了在大规模内容审核中可持续、低成本的方法，帮助平台与监管机构实现持续合规与研究监测。
核心研究發現
- 1
AI 审计 5,051 条视频，验证集 F1=0.911，召回率 0.960，证明弱监督方法可准确识别剥削信号。
- 2
剥削分数与观看量正相关（Spearman ρ=0.229，p<10⁻⁵⁰），每增加一单位剥削分数，观看量平均提升 4.4 倍。
- 3
同频道内，情感诱饵 +65.6% 观看量，表演内容 +56.0%；产品置入无观看优势，显示平台奖励儿童身份与劳动而非传统广告。
對教育工作者的啟發
平台可针对情感诱饵与表演劳动内容设置警示机制，并在算法推荐中降低此类影片曝光；政策制定者应将观看量纳入剥削评估指标，补充财务信托规范；教育工作者可利用此研究说明儿童网络劳动的隐性风险，帮助学生建立媒介素养与自我保护策略。
原始文獻資訊
- 英文標題：
- Auditing Engagement Incentives in the Kidfluencer Ecosystem: A Multimodal Weak Supervision Approach
- 作者：
- Zijing Wei, Chao Peter Yang, Xuanjie Chen
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
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。