社區主導的 AI 野火風險評估：PALEI 參與式框架研究
arXiv - Computers and SocietySanaz Sadat Hosseini, Mona Azarbayjani, Mohammad Pourhomayoun, Hamed Tabkhi
提出 PALEI 框架，透過提升 AI 素養與參與式設計，強化社區對 AI 野火風險評估工具的信任與應用。
AI 幫你先抓重點
AI 重點 1
將 AI 素養與可解釋性置於模型部署之前
滑鼠懸停看 AI 判斷理由
這改變了傳統「技術先行」的開發模式。透過先建立素養與價值對齊，能確保 AI 工具在進入社區時，不僅是技術上的精準，更是社會與倫理上的可接受，減少技術排斥感。
AI 重點 2
使用者體驗（UX）是 AI 倫理部署的核心
滑鼠懸停看 AI 判斷理由
這點提醒研究者，AI 的有效性不只取決於演算法，更取決於使用者如何理解與互動。將在地脈絡嵌入設計，能將複雜的預測模型轉化為日常可用的風險管理資源。
核心研究發現
- 1
研究發現社區居民對視覺化、具備在地情境的風險溝通方式接受度高，並對公平性有正面感知。
- 2
居民在表達採用意願的同時，也對數據隱私與安全性表示擔憂，這直接影響了對 AI 工具的信任度。
- 3
開發出一個共同設計的行動應用程式，讓居民能掃描物業特徵並獲得可解釋的火災風險評分與建議。
- 4
參與者強調需要在地化的影像、易懂的解釋、特定社區的緩解指南以及對不確定性的透明溝通。
對教育工作者的啟發
對於設計教育科技或社會應用工具的設計者，本研究提供了「素養優先」的實務路徑。建議在開發 AI 工具時，不應僅專注於模型準確度，應將「解釋性」與「在地化情境」納入設計初期。透過建立參與式機制，讓使用者參與價值對齊與評估，能有效降低對黑箱演算法的恐懼。此外，應特別關注數據隱私與不確定性的透明傳達，這對於建立使用者對技術的長期信任至關重要。
原始文獻資訊
- 英文標題：
- Community-Led AI Integration for Wildfire Risk Assessment: A Participatory AI Literacy and Explainability Integration (PALEI) Framework in Los Angeles, CA
- 作者：
- Sanaz Sadat Hosseini, Mona Azarbayjani, Mohammad Pourhomayoun, Hamed Tabkhi
- 來源：
- arXiv - Computers and Society
- 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。