整合解決方案：網路性侵研究跨領域系統回顧
arXiv - Computers and SocietyHeajun An, Marcos Silva, Qi Zhang, Arav Singh, Minqian Liu, Xinyi Zhang, Sarvech Qadir, Sang Won Lee, Lifu Huang, Pamela J. Wisniewski, Jin-Hee Cho
本研究以PRISMA框架整合社會科學與計算方法，揭示網路性侵研究碎片化問題並提出跨領域預防與偵測策略。
AI 幫你先抓重點
AI 重點 1
跨領域整合是提升網路性侵偵測與預防的關鍵
滑鼠懸停看 AI 判斷理由
將社會科學的行為洞察與計算方法的技術手段結合，可同時解決資料不足與文化差異問題，為實務提供更全面的防護框架。
AI 重點 2
PRISMA框架提供可重複、透明的研究流程
滑鼠懸停看 AI 判斷理由
使用PRISMA可確保文獻篩選與資料彙整的嚴謹性，促進不同領域研究者之間的協作與知識共享，避免重複工作。
核心研究發現
- 1
質性研究能深入揭示受害者與加害者的心理動機與互動模式，但需投入大量時間與人力資源。
- 2
機器學習模型在偵測網路性侵行為時，性能高度依賴於訓練資料的完整性與代表性，資料不足或偏差會嚴重影響準確度。
- 3
傳統評估指標在處理少數族群與文化差異時表現不佳，難以公平衡量偵測模型在不同社群中的效能。
對教育工作者的啟發
教育工作者與政策制定者可依此回顧結果，設計多元化的預防課程，結合心理教育與技術監控；同時，資料科學家應優化資料收集與標註流程，提升機器學習模型的泛化能力；跨領域團隊協作則能快速迭代防護策略。
原始文獻資訊
- 英文標題：
- Toward Integrated Solutions: A Systematic Interdisciplinary Review of Cybergrooming Research
- 作者：
- Heajun An, Marcos Silva, Qi Zhang, Arav Singh, Minqian Liu, Xinyi Zhang, Sarvech Qadir, Sang Won Lee, Lifu Huang, Pamela J. Wisniewski, Jin-Hee Cho
- 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。