小紅書內建機器翻譯功能使用者反應研究
arXiv - Human-Computer InteractionSui He
研究發現小紅書內建翻譯功能普遍受到正面評價，但使用者仍擔憂準確性與可及性。
AI 幫你先抓重點
AI 重點 1
功能穩定性與翻譯準確度的使用者擔憂
滑鼠懸停看 AI 判斷理由
此擔憂直接影響使用者對平台的信任與長期使用意願，若忽視將導致功能被低估或誤用，對產品迭代與使用者留存造成負面影響。
AI 重點 2
使用者主動測試多樣輸入的行為
滑鼠懸停看 AI 判斷理由
這顯示使用者在實際情境中對翻譯功能的需求多元，研究者可藉此調整模型輸入處理與錯誤容忍度，提升實用性與使用者滿意度。
核心研究發現
- 1
內建翻譯功能在發布後獲得大多數正面情緒，尤其對於翻譯貼文與評論的便利性。
- 2
使用者對翻譯準確度、功能穩定性及語言多樣性（如表情符號、網路俚語）表達顧慮。
- 3
大量評論顯示使用者主動測試功能，涵蓋英中單詞、拼音縮寫、emoji、kaomoji、編碼文字等多種輸入。
- 4
研究結合情感分析與主題分析，揭示使用者對功能的實際使用體驗與期望差距。
- 5
結果強調跨領域合作（計算機科學、翻譯學、平台設計）對提升真實語境下翻譯技術的重要性。
對教育工作者的啟發
對於教育科技產品設計者而言，先行評估翻譯功能在不同語言與符號輸入下的準確度與穩定性，可透過使用者實測與迭代改進。建議在產品上線前，先針對常見網路俚語、emoji、kaomoji 等非文字輸入進行專門的模型微調，並提供使用者回饋機制，讓使用者能即時報告翻譯錯誤。此舉不僅提升使用者體驗，也能收集多樣化語料，進一步優化機器翻譯模型。對於課程設計者，可將此功能嵌入跨語言協作活動，鼓勵學生自行測試與比較翻譯結果，培養其批判性思考與自主學習能力。
原始文獻資訊
- 英文標題：
- Machine Translation in the Wild: User Reaction to Xiaohongshu's Built-In Translation Feature
- 作者：
- Sui He
- 來源：
- arXiv - Human-Computer Interaction
- 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。