人工智慧在模擬社群網路中的影響操作評估
arXiv - Computers and SocietyAlejandro Buitrago L\'opez, David Montoro Aguilera, Javier Pastor-Galindo, Jos\'e A. Ruip\'erez-Valiente
本文透過人工智慧模擬社群網路，評估影響操作，發現放大與反訊息對受眾信念影響最大。
AI 幫你先抓重點
AI 重點 1
訊息放大是擴散影響力的關鍵手段
滑鼠懸停看 AI 判斷理由
放大能迅速擴大受眾覆蓋，對於設計資訊傳播策略或防範假訊息至關重要。
AI 重點 2
反訊息能有效改變受眾信念，提供對抗錯誤訊息的策略
滑鼠懸停看 AI 判斷理由
了解反訊息的高效性可幫助教育者設計媒體素養課程，提升學生辨識與批判能力。
核心研究發現
- 1
在模擬社群網路中，訊息放大策略能最大化受眾曝光量，達到最高傳播覆蓋率。
- 2
相較於其他策略，反訊息能在受眾中產生最顯著的信念轉變，顯示其在對抗錯誤訊息中的關鍵作用。
- 3
敘事發布需要更大攻擊者足跡，才能在模擬環境中達到預期的影響力，顯示敘事策略的成本較高。
對教育工作者的啟發
此研究揭示訊息放大與反訊息在社群網路中的不同影響力，對教育工作者而言，可將其納入媒體素養與批判性思維課程。透過模擬工具，教師可示範放大效應與反訊息策略，讓學生實際觀察訊息如何擴散與被修正。此方法亦可作為評量工具，測量學生對訊息可信度的判斷與改變。對於課程設計者，建議加入互動式模擬與案例分析，強化學生的自主學習與策略性思考。
原始文獻資訊
- 英文標題：
- Execution and assessment of agentic influence operations in simulated social networks
- 作者：
- Alejandro Buitrago L\'opez, David Montoro Aguilera, Javier Pastor-Galindo, Jos\'e A. Ruip\'erez-Valiente
- 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。