利用機器學習技術探討媒體與資訊素養在應對虛假訊息中的能力
arXiv - Computers and SocietyJos\'e Manuel Alcalde-Llergo, Mariana Buenestado Fern\'andez, Carlos Enrique George-Reyes, Andrea Zingoni, Enrique Yeguas-Bol\'ivar
本研究透過機器學習模型預測學生媒體素養，並識別影響其應對虛假訊息能力的關鍵因素。
AI 幫你先抓重點
AI 重點 1
從「經驗累積」與「正式培訓」預測素養能力的關聯性
滑鼠懸停看 AI 判斷理由
這顯示媒體素養並非僅是天賦，而是可透過教育干預與時間累積來提升的特質。這對於教育者設計階段性、漸進式的素養課程具有高度指導意義。
AI 重點 2
機器學習在評估非認知技能（如素養）中的應用潛力
滑鼠懸停看 AI 判斷理由
傳統素養評估多依賴主觀問卷，本研究證明了利用數據驅動的模型可以更精準地預測學生的能力特徵，為未來自動化、個人化的學習評估提供了新範式。
核心研究發現
- 1
研究採用分類與回歸演算法對 723 名教育與傳播系學生進行建模，發現複雜模型在預測媒體素養表現上優於簡單模型。
- 2
學年進度與先前接受過的相關培訓是影響媒體素養預測準確性的重要變數，能顯著提升模型的預測效能。
- 3
研究成功識別出影響學生在數位環境中辨識虛假訊息能力的關鍵因素，為量化評估媒體素養提供了技術路徑。
對教育工作者的啟發
教育工作者應將媒體素養教育與學生的學年進度結合，設計具備階段性的課程。建議在課程中加入針對性的實務培訓，而非僅僅是理論教學，因為研究顯示「先前培訓」是提升素養能力的關鍵預測因子。此外，課程設計者可利用數據分析工具來監測學生的素養發展趨勢，從而提供個人化的干預策略，幫助學生在數位環境中更有效地辨識虛假訊息。
原始文獻資訊
- 英文標題：
- Leveraging Machine Learning Techniques to Investigate Media and Information Literacy Competence in Tackling Disinformation
- 作者：
- Jos\'e Manuel Alcalde-Llergo, Mariana Buenestado Fern\'andez, Carlos Enrique George-Reyes, Andrea Zingoni, Enrique Yeguas-Bol\'ivar
- 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。