自我導向線上資訊搜尋能影響政策支持：隨機鼓勵設計與數位行為資料
arXiv - Computers and SocietyCelina Kacperski, Roberto Ulloa, Peter Selb, Andreas Spitz, Denis Bonnay, Juhi Kulshrestha
證實自發線上資訊搜尋及金錢激勵可改變對兒童撫養與大麻合法化的政策支持，顯示動機與搜尋環境對政治態度的影響
AI 幫你先抓重點
AI 重點 1
金錢激勵比口頭鼓勵更能改變政策支持，凸顯激勵設計對自我導向學習的關鍵影響。
滑鼠懸停看 AI 判斷理由
此發現說明在數位學習平台中，具體且可衡量的激勵能有效提升學習者的參與度與態度改變，對設計個性化學習路徑與評量機制具有實務指導意義。
AI 重點 2
議題易變性與搜尋環境品質共同決定資訊搜尋能否改變態度，提示環境設計與內容選擇對學習成效的關鍵影響。
滑鼠懸停看 AI 判斷理由
了解哪些議題更易被改變以及如何優化搜尋介面，可協助教育工作者設計更具說服力的數位學習資源，提升學生對重要議題的理解與支持。
核心研究發現
- 1
透過自我導向線上搜尋，參與者對兒童撫養與大麻合法化的政策支持顯著提升，能源轉型則無顯著變化。
- 2
金錢激勵條件比口頭鼓勵更能有效改變政策支持，顯示激勵機制對行為影響較大。
- 3
研究指出，動機重要性、議題易變性與搜尋環境品質共同構成政治資訊參與能產生可觀政策支持變化的條件。
對教育工作者的啟發
本研究顯示，若想透過線上資訊搜尋影響學生或公眾的政策態度，必須先確定議題的易變性與搜尋環境的品質。教育工作者可在數位平台上設計具備明確激勵機制（如完成任務獲得點數或證書）的學習路徑，並提供多元、可信的資訊來源，讓使用者在自我導向搜尋時能快速定位關鍵訊息。此舉不僅提升參與度，也能在短時間內改變對重要議題的支持度，對於課程設計與政策宣導皆具實務價值。
原始文獻資訊
- 英文標題：
- Self-directed online information search can affect policy support: a randomized encouragement design with digital behavioral data
- 作者：
- Celina Kacperski, Roberto Ulloa, Peter Selb, Andreas Spitz, Denis Bonnay, Juhi Kulshrestha
- 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。