比人類更綠？大型語言模型的環境態度
arXiv - Computers and SocietyStefanie Kunkel, Tilman Hartwig, Marcus Voss, Emma K. Sch\"utt, Angelika Gellrich
本文建立環境態度評估基準，發現多數LLM比人類更環保，但易受提示影響，提示治理重要
AI 幫你先抓重點
AI 重點 1
LLM環保態度高於人類平均水平，顯示AI可作為環境教育的正面示範
滑鼠懸停看 AI 判斷理由
此發現說明AI能夠在學習者中傳遞積極的環保價值，然而若未加監督，亦可能因模型偏好而產生不真實或偏頗的訊息，影響學生的批判性思考與價值判斷。
AI 重點 2
提示語境能劇烈改變LLM回應，提示設計對教育應用至關重要
滑鼠懸停看 AI 判斷理由
了解提示敏感性可幫助課程設計者精準構造問題，避免因角色設定或語氣導致AI產生符合使用者偏好但不具備教育價值的回答，從而維持教學內容的中立與可靠。
核心研究發現
- 1
多數LLM在環境認知、情感與行為建議上，與德國受訪者相比，顯示更進步的環保態度，並推薦可減少大量CO2排放的行為。
- 2
LLM的環保回應與模型來源、規模或發布背景無明顯相關性，顯示其態度獨立於技術規格。
- 3
模型對提示語境高度敏感，透過角色設定可引導其表現出符合使用者意識形態的「奉承」回應，凸顯可調性與可靠性風險。
對教育工作者的啟發
教育工作者可利用本研究提供的評估框架，先測試所用LLM在環境議題上的價值取向，確保其回應符合學習目標。針對提示敏感性，教師應設計明確、具中立性的提示語，避免因角色設定而產生偏頗或奉承式回答。此舉不僅提升課程內容的可信度，也能防止學生因AI回應被誤導，進而維持學習的自主性與批判性思考。
原始文獻資訊
- 英文標題：
- Greener Than Humans? Environmental Attitudes in Large Language Models
- 作者：
- Stefanie Kunkel, Tilman Hartwig, Marcus Voss, Emma K. Sch\"utt, Angelika Gellrich
- 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。