支持 AI 發展：利用開放數據與程式碼進行自動化每日量測
arXiv - Computers and SocietyJason Jeffrey Jones
本文提出一種透過開放式即時預測（Open Nowcasting）系統，每日自動收集並公開分析公眾對 AI 發展支持度的研究方法。
AI 幫你先抓重點
AI 重點 1
倡導「開放式即時預測」作為科學溝通的新範式。
滑鼠懸停看 AI 判斷理由
這種方法透過公開原始數據與程式碼，極大地提升了研究設計的透明度，並讓其他研究者能輕易進行重複驗證，打破了傳統研究數據封閉的限制。
AI 重點 2
利用自動化系統實現高頻率、低成本的數據監測。
滑鼠懸停看 AI 判斷理由
傳統社會科學調查往往週期較長，而此自動化流程能提供「即時性」的洞察，對於快速變動的科技議題（如 AI）至關重要，改變了數據收集的時效性標準。
核心研究發現
- 1
開發了一套開源自動化系統，能每日收集問卷回應、匿名化微觀數據，並透過 Web 儀表板公開展示分析結果。
- 2
以美國成年人對 AI 發展的支持度為例，該系統已自主產出 766 份每日估計值，樣本數達 8,551 人。
- 3
研究強調對於 AI 等變革性技術，需要高頻率且持續的調查，才能精準追蹤公眾輿論的轉變。
對教育工作者的啟發
對於教育科技開發者與研究者而言，此研究展示了如何利用自動化工具建立「持續性評估」機制。在設計涉及新興技術（如生成式 AI）的課程或教學工具時，不應僅依賴單次的問卷調查，而應考慮建立類似的即時監測系統，以掌握學生或使用者對新技術接受度的動態變化。此外，這種「開放數據」的精神也可用於教育研究，透過公開研究流程與程式碼，促進教育科技領域的知識建構與研究透明度。
原始文獻資訊
- 英文標題：
- Support for AI Development -- Automated Daily Measurement with Open Data and Code
- 作者：
- Jason Jeffrey Jones
- 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。