平衡證據與詮釋：以歷史根據率作為 AI 生成城市敘事的設計參數
arXiv - Human-Computer InteractionFuyang Zhang, Maurice Benayoun
本文提出「歷史根據率 (HGR)」指標，用以量化並優化 AI 生成敘事中歷史證據與即時情境資訊的平衡比例。
AI 幫你先抓重點
AI 重點 1
從「資訊檢索」轉向「資訊組成比例」的設計思維
滑鼠懸停看 AI 判斷理由
過去開發者多關注如何檢索正確資訊，但本文指出，AI 生成內容的品質關鍵在於如何分配不同來源資訊的比例，這為生成式 AI 的設計提供了新的量化維度。
AI 重點 2
避免過度依賴單一數據源的「過度事實化」陷阱
滑鼠懸停看 AI 判斷理由
研究顯示過高的歷史證據比例未必能提升學習效果或參與感，這提醒設計者在開發教育或導覽系統時，應追求歷史事實與當前情境的動態平衡，而非盲目追求數據準確性。
核心研究發現
- 1
研究提出歷史根據率 (HGR) 概念，定義為生成敘事中由歷史檔案支持的資訊單位比例，使資訊分配成為可測量的設計參數。
- 2
提高 HGR 能顯著增強使用者感知敘事內容與特定地理位置之間的相關性。
- 3
歷史理解、場景整合度、資訊量適當性及探索意願並非隨 HGR 增加而線性成長，而是在中等比例的平衡狀態下達到最高值。
對教育工作者的啟發
對於開發具備生成能力的教育導覽或歷史學習工具的設計者，建議不要僅追求 AI 生成內容的「正確性」或「豐富度」。應引入類似 HGR 的設計參數，實驗不同比例的「歷史事實」與「情境詮釋」。在設計教學情境時，應尋求一個「平衡點」，讓學習者既能獲得紮實的歷史知識，又能透過與當前環境的連結產生共鳴，從而提升學習動機與場景整合感。
原始文獻資訊
- 英文標題：
- Balancing Evidence and Interpretation: Historical Grounding Ratio as a Design Parameter for AI-Generated Urban Storytelling
- 作者：
- Fuyang Zhang, Maurice Benayoun
- 來源：
- arXiv - Human-Computer Interaction
- 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。