數位孿生系統的可信度：系統性回顧與研究前景
arXiv - Computers and SocietyChi Fai David Lam (University of Birmingham, United Kingdom), Aad van Moorsel (University of Birmingham, United Kingdom), Zoya Pourmirza (University of Birmingham, United Kingdom)
系統性回顧揭示數位孿生可信度挑戰與策略，並提出四類整合模式與未來研究方向。
AI 幫你先抓重點
AI 重點 1
辨識四種整合類型有助於針對性設計可信度機制
滑鼠懸停看 AI 判斷理由
此洞察讓開發者能根據部署環境選擇最合適的信任策略，提升系統安全與使用者接受度，從而加速數位孿生的實際應用。
AI 重點 2
將可信度元資料納入平台架構可促進系統化考量
滑鼠懸停看 AI 判斷理由
此做法可在設計早期即捕捉信任因素，減少後期修正成本，並為跨平台協作提供統一的信任評估標準，對於大型組織尤為重要。
核心研究發現
- 1
系統性回顧定義七項可信度挑戰與七項提升策略，並將其映射於各領域摘要。
- 2
分析顯示不同領域在可信度關注上呈現一致性，形成四種整合類型：人本、關鍵安全、情境特定與技術驅動。
- 3
基於整合類型特徵，提出三項未來研究方向：可信度設計原則、平台架構中的可信度元資料、以及聯邦數位孿生對使用者信任的影響。
對教育工作者的啟發
實務工作者可先行採用可信度設計原則，於需求階段即設定信任目標；在平台設計時加入可信度元資料欄位，方便後續評估與監控；若考慮聯邦或分散式數位孿生，需評估其對使用者信任的影響，並透過透明的架構說明與安全機制降低疑慮；最後，持續追蹤四種整合類型的實際表現，調整策略以符合不同應用場景。
原始文獻資訊
- 英文標題：
- Trustworthiness in Digital Twin Systems: Systematic Review and Research Horizons
- 作者：
- Chi Fai David Lam (University of Birmingham, United Kingdom), Aad van Moorsel (University of Birmingham, United Kingdom), Zoya Pourmirza (University of Birmingham, United Kingdom)
- 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。