DSA下研究者取得平台資料的挑戰與實務案例
arXiv - Computers and SocietyCatalina Goanta, Savvas Zannettou, Rishabh Kaushal, Jacob van de Kerkhof, Thales Bertaglia, Taylor Annabell, Haoyang Gui, Gerasimos Spanakis, Adriana Iamnitchi
本文以羅馬尼亞選舉干預案說明DSA下研究者取得平台內部資料的困難與實務可行性。
AI 幫你先抓重點
AI 重點 1
DSA資料存取的“對峙”問題揭示了研究者與平台之間的資訊不對稱，需制定更具體的資料共享規範。
滑鼠懸停看 AI 判斷理由
此洞察說明了在數位政策制定中，缺乏明確的資料存取流程會阻礙系統性風險研究，影響政策有效性與透明度。
AI 重點 2
羅馬尼亞選舉干預案例提供了實際證據，證明TikTok演算法與隱藏廣告可加劇選舉不公，提醒教育工作者在數位素養課程中加入平台治理與資料分析模組。
滑鼠懸停看 AI 判斷理由
此洞察強調了教育者可利用真實案例教導學生辨識算法偏差與隱藏廣告，提升其批判性思維與自我調節學習能力。
核心研究發現
- 1
DSA第40(4)條規定VLOP需提供內部資料，但因法律不確定與資料特定化需求，研究者仍難以取得所需數據。
- 2
2024羅馬尼亞總統選舉干預事件顯示，TikTok演算法放大虛假資訊，成為選舉系統性風險的關鍵因素。
- 3
研究結合法律、電腦科學與平台治理，列舉TikTok可取得的資料類別（平台文件、資料捐贈、Research API），並指出其對系統性風險研究的適用性與限制。
對教育工作者的啟發
教育工作者可將此案例納入數位素養課程，設計學生使用TikTok Research API或資料捐贈資料進行實作，探討演算法放大與隱藏廣告對資訊流的影響；同時強調資料存取限制，培養學生對資料倫理與政策的批判性思考，提升其自主學習與批判性評估能力。
原始文獻資訊
- 英文標題：
- The Great Data Standoff: Researchers vs. Platforms Under the Digital Services Act
- 作者：
- Catalina Goanta, Savvas Zannettou, Rishabh Kaushal, Jacob van de Kerkhof, Thales Bertaglia, Taylor Annabell, Haoyang Gui, Gerasimos Spanakis, Adriana Iamnitchi
- 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。