edtechlearning designknowledge buildingaihigher education

複雜系統中次指數增長動態：新詞與名稱擴散的分段幂律模型

arXiv - Computers and SocietyHayafumi Watanabe

提出分段幂律模型捕捉新詞擴散的次指數增長，並在日文博客及多語言搜尋趨勢中驗證其普遍性

AI 幫你先抓重點

AI 重點 1

分段幂律模型揭示次指數增長在新詞擴散中的普遍性

滑鼠懸停看 AI 判斷理由
此模型以簡潔參數捕捉複雜增長曲線，對教育科技中語言學習與知識建構的擴散機制提供可量化框架
AI 重點 2

α 與主題性質的關聯揭示不同學習者對新知的接受度差異

滑鼠懸停看 AI 判斷理由
α 作為外向接觸指數，能幫助設計者預測新概念在不同社群中的傳播速度，對課程設計與學習路徑優化至關重要

核心研究發現

  1. 1

    55% 的擴散曲線可用一至兩段模型描述，α≈0.5 表示普遍次指數增長

  2. 2

    擴散峰值主要由增長率 R 決定，α 或持續時間 T 的影響較小

  3. 3

    α 值隨主題性質變化，利基/地方主題 α 低，普及主題 α 高

  4. 4

    微觀行為模型將外向（陌生人）與內向（社群）接觸區分，α 可視為外向接觸指數

  5. 5

    在英、西、日三語搜尋趨勢中觀察到一致模式，證實模型跨語言適用

對教育工作者的啟發

教育工作者可利用 α 值評估新概念在學生社群中的傳播潛力，調整教學節奏；政策制定者可用模型預測新詞在網路媒體中的擴散，制定資訊素養教育策略；課程設計者可根據 α 與 R 參數設計分段式學習活動，促進知識建構與學習成效提升

原始文獻資訊

英文標題：
Sub-exponential Growth Dynamics in Complex Systems: A Piecewise Power-Law Model for the Diffusion of New Words and Names
作者：
Hayafumi Watanabe
來源：
arXiv - Computers and Society
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

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。