防止與逆轉網路極化的策略
arXiv - Computers and SocietyLeon Klingborg, Kenneth Mavor, Alexander J. Stewart
透過心理學模型評估干預，發現提升影響力人物與規範執行能有效預防與逆轉網路極化。
AI 幫你先抓重點
AI 重點 1
提升影響力人物的可見度能同時預防與逆轉極化
滑鼠懸停看 AI 判斷理由
此洞察顯示角色模範對社群語言氛圍的直接影響，為平台與教育者提供可操作的策略：培養正面領袖以示範多元對話，進而改變群體行為。
AI 重點 2
過度收窄可接受言論範圍不但無效，反而可能加劇極化
滑鼠懸停看 AI 判斷理由
挑戰傳統審查思維，說明僅靠限制言論並不能解決極化問題，實務上應聚焦於規範執行與注意力引導，以維護言論自由同時減少分裂。
核心研究發現
- 1
調整可接受言論範圍（Overton window）對極化影響有限，甚至可能促使極化升級。
- 2
將注意力引向被忽視議題或提高違規成本能有效預防極化，但對逆轉效果較弱。
- 3
提升具非極化行為的影響力人物可同時預防與逆轉極化；但在身份複雜時仍會產生潛在極端主義。
對教育工作者的啟發
平台可透過設定關鍵話題提醒、提高違規成本，並培養具正面示範的社群領袖，協助減少極化。教育者亦可在課堂引入多元身份討論，模擬社群互動，培養學生對不同觀點的容忍與批判性思考。
原始文獻資訊
- 英文標題：
- Strategies for preventing and reversing polarized online discourse
- 作者：
- Leon Klingborg, Kenneth Mavor, Alexander J. Stewart
- 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。