挑戰黨派期望降低政治極化
arXiv - Computers and SocietyDo Won Kim, Ozgur Can Seckin, Saumya Bhadani, Alessandro Flammini, Giovanni Luca Ciampaglia, Bao Tran Truong
挑戰黨派期望的對話能短期降低情感與議題極化，但效果隨時間消退。
AI 幫你先抓重點
AI 重點 1
期望違背是降低極化的關鍵機制
滑鼠懸停看 AI 判斷理由
傳統對抗性對話往往無法改變立場，期望違背能激發認知失調，短期內減少情感極化，為AI介入提供新杠杆。
AI 重點 2
對話滿意度下降提示設計需平衡效果與體驗
滑鼠懸停看 AI 判斷理由
低滿意度顯示使用者可能感到不適或疏離，提醒設計者在追求去極化時必須兼顧用戶體驗，以維持長期參與。
核心研究發現
- 1
期望挑戰型對話（與不一致黨派身份或立場）能顯著降低情感與議題極化。
- 2
這些對話未改變參與者自身政策立場，且一個月後大部分效應消失。
- 3
雖然滿意度下降，對話仍提升或維持客觀的討論品質。
對教育工作者的啟發
教育工作者可利用AI聊天機器人設計期望挑戰型對話，將同意的外群體或不同意的內群體角色嵌入課程，並在對話結束後提供反思與延伸活動，以維持效果。為避免滿意度下降，應在對話腳本中加入情感支持語句或正向回饋，並定期評估參與者的情緒與學習成效。
原始文獻資訊
- 英文標題：
- Challenging Partisan Expectations Reduces Political Polarization
- 作者：
- Do Won Kim, Ozgur Can Seckin, Saumya Bhadani, Alessandro Flammini, Giovanni Luca Ciampaglia, Bao Tran Truong
- 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。