「生成式 AI 預設即偏見！」：透過提示詞反思遊戲化提升 AI 素養
arXiv - Human-Computer InteractionQianou Ma, Megan Chai, Yike Tan, Jihun Choi, Jini Kim, Erik Harpstead, Geoff Kauffman, Tongshuang Wu
研究開發了多人遊戲 ImaginAItion，透過遊戲化反思機制有效提升成人對生成式 AI 偏見與行為的理解。
AI 幫你先抓重點
AI 重點 1
將「偏見」轉化為可觀察的遊戲機制，而非單純的理論教學。
滑鼠懸停看 AI 判斷理由
傳統 AI 素養教育往往流於理論，透過讓玩家在遊戲中親手觸發 AI 的偏見（如模糊提示詞），能將抽象的技術問題轉化為具體的認知經驗，強化學習的深度。
AI 重點 2
利用「反思性遊戲（Reflective Play）」來應對快速演進的技術。
滑鼠懸停看 AI 判斷理由
AI 技術更新極快，特定的工具教學容易過時，但透過培養玩家對模型行為邏輯的反思能力，能提供一種具備韌性的素養框架，使其能應對未來不同的 AI 模型。
核心研究發現
- 1
實驗結果顯示，參與遊戲後，玩家對生成式 AI 行為理解的準確度顯著提升了 35%。
- 2
透過操縱提示詞的具體程度（如使用模糊的「CEO」一詞），玩家能觀察到 AI 預設輸出偏見（如白人男性）的現象。
- 3
定性分析證實，遊戲機制能有效支持玩家進行反思，並學習如何透過調整提示策略來減輕 AI 的偏見。
對教育工作者的啟發
教育工作者在設計 AI 素養課程時，不應僅教授「如何使用工具」，更應強調「如何批判性地觀察工具」。建議開發類似 ImaginAItion 的情境式教學，讓學生透過「故意給予模糊指令」來觀察 AI 的預設反應，從中學習提示工程（Prompt Engineering）與偏見辨識。這種從錯誤與偏見中學習的方法，能有效培養學生的元認知能力（Metacognition），使其在面對 AI 生成內容時具備更強的批判性思考與防禦性使用能力。
原始文獻資訊
- 英文標題：
- "GenAI Defaults to Bias!" Gamify AI Literacy Through Reflections on Prompts
- 作者：
- Qianou Ma, Megan Chai, Yike Tan, Jihun Choi, Jini Kim, Erik Harpstead, Geoff Kauffman, Tongshuang Wu
- 來源：
- arXiv - Human-Computer Interaction
- 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。