建立抵抗錯訊的韌性：跨國開發數位媒體與資訊素養量表
arXiv - Computers and SocietySijia Qian, Cuihua Shen, Huiyi Wang, Hichang Cho
開發並驗證跨國可用的多維數位媒體與資訊素養量表，支持對抗錯訊的評估與干預。
AI 幫你先抓重點
AI 重點 1
多維度設計同時測量知識與技能，並結合主觀與客觀題目，提升測量精準度。
滑鼠懸停看 AI 判斷理由
此設計避免單一指標的偏差，使研究者能更細緻辨識受試者在資訊素養各層面的實際能力，對於設計針對性介入與評估成效至關重要。
AI 重點 2
跨國驗證證明 DMILS 可作為全球媒體素養研究的共通指標。
滑鼠懸停看 AI 判斷理由
擁有統一且可靠的測量工具，能促進不同國家之間的比較研究，進而形成更具國際代表性的資訊生態系統防禦策略。
核心研究發現
- 1
DMILS 由 18 項自評與 16 項客觀知識題組成，能區分數位與資訊領域、知識與技能兩大維度。
- 2
在美國與新加坡共 1,498 名受試者中，DMILS 展示出強健的結構、收斂與預測效度，證明其跨文化適用性。
- 3
短表（8 項自評 + 8 項客觀）保留了主要量表的效度，提供了高效且可擴展的測量工具。
對教育工作者的啟發
教育工作者可先用 DMILS 進行基線評估，選擇短表進行大規模篩檢；課程設計時加入客觀知識題以提升學習成效；利用 DMILS 的跨國標準化數據，對照不同族群的媒體素養差異，調整教學策略；在干預後再次測量，驗證介入效果並持續優化教材。這些做法能有效提升學習者對錯訊的辨識與抵抗力，並為政策制定提供實證依據。
原始文獻資訊
- 英文標題：
- Building Resilience to Misinformation: A Cross-National Development of the Digital Media and Information Literacy Scale (DMILS)
- 作者：
- Sijia Qian, Cuihua Shen, Huiyi Wang, Hichang Cho
- 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。