CANote：透過結構化與證據鏈接的 AI 協作，提升事實核查筆記撰寫
arXiv - Human-Computer InteractionShuning Zhang, Jingruo Chen, Yuwei Chuai, Dai Shi, Yifan Wang, Xin Yi, Hewu Li
CANote 透過 AI 提供子主張抽取、證據鏈接與中立草稿，顯著提升非專業使用者撰寫事實核查筆記的品質，並提升滿意度。
AI 幫你先抓重點
AI 重點 1
AI 透過結構化子主張與證據鏈接，讓非專業使用者能產出與專家相近的高品質筆記。
滑鼠懸停看 AI 判斷理由
此功能證明 AI 可民主化事實核查流程，減少對專家人力的依賴，並將重點從純寫作技巧轉向流程設計與證據呈現，對教育科技設計者具有重要啟示。
AI 重點 2
AI 的協助雖提升品質，但同時削弱使用者的擁有感，提示設計者需平衡自動化與人機互動的控制權。
滑鼠懸停看 AI 判斷理由
了解此權衡能幫助設計者在介面中加入可調節自動化程度或覆寫功能，既保留 AI 的輔助效益，又維持使用者的參與感與責任感，符合學習科學對自主學習的重視。
核心研究發現
- 1
CANote 在模擬 X 平台上，對 52 名專業核查者與 52 名一般使用者進行評估，結果顯示使用者撰寫的筆記品質顯著高於手動撰寫，且與專家筆記相近。
- 2
任務完成時間與主觀認知負荷與手動撰寫相當，但使用者滿意度顯著提升。
- 3
AI 協助雖提升品質與滿意度，但降低了使用者對筆記的擁有感與控制感。
對教育工作者的啟發
CANote 的設計證明，將 AI 角色定位於工作流程的 scaffold 而非直接寫作，可顯著提升非專業使用者的筆記品質與滿意度。實務工作者可依此模式：① 在任務前先拆解主張，提供明確子主張；② 以證據鏈接呈現來源，增強透明度；③ 產生中立結構草稿，讓使用者在此基礎上進行微調。此流程不僅降低寫作門檻，亦維持使用者對內容的參與感。為避免失去控制感，設計者可加入可調節的自動化程度或「覆蓋」功能，讓使用者隨時覆寫 AI 建議，並在介面中明示 AI 參與程度。
原始文獻資訊
- 英文標題：
- CANote: Empowering Fact-checking Note Writing Through Scaffolded and Provenance-based Human-AI Collaboration
- 作者：
- Shuning Zhang, Jingruo Chen, Yuwei Chuai, Dai Shi, Yifan Wang, Xin Yi, Hewu Li
- 來源：
- arXiv - Human-Computer Interaction
- 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。