警示訊息內容提升暗網兒童性虐待材料干預中的求助行為
arXiv - Computers and SocietyCaoilte \'O Ciardha, Joel Scanlan, Tegan Insoll, Juha Nurmi, Nina Vaaranen-Valkonen
在暗網搜尋引擎上，針對兒童性虐待材料的警示訊息內容能顯著提升使用者點擊匿名自助資源的比例，尤其以強調危害的訊息最有效。
AI 幫你先抓重點
AI 重點 1
訊息內容決定干預效果，尤其危害焦點訊息最具影響力。
滑鼠懸停看 AI 判斷理由
此發現說明在高匿名環境下，訊息的情感與語境設計能直接改變使用者的行為模式，對於設計安全介面與危機干預策略至關重要。
AI 重點 2
大規模實地實驗證明警示訊息可在真實環境中提升求助行為。
滑鼠懸停看 AI 判斷理由
相較於實驗室或模擬研究，這項研究提供了可直接應用於線上平台的證據，幫助政策制定者與平台設計師評估訊息設計的實際效益。
核心研究發現
- 1
所有主動警示訊息相較於中性訊息，均能提升點擊率，從 8.73% 提升至 15.67%。
- 2
以危害為主題的訊息在三種主題中產生最強的點擊率提升，顯示訊息焦點對行為影響顯著。
- 3
訊息內容在整個 140 天實驗期間持續影響使用者行為，透過隨機對照與時間序列分析證實其一致性。
對教育工作者的啟發
1. 針對高匿名環境設計警示訊息時，應優先使用強調危害的語言，以最大化使用者點擊率。2. 建議平台實施 A/B 測試，持續收集點擊率與使用者行為數據，調整訊息內容以適應不同使用者群。3. 將警示訊息與匿名自助資源連結，並確保連結可直接導向求助平台，減少使用者跳出。4. 監測長期效果，利用時間序列分析評估訊息調整對行為的持續影響，確保干預策略的有效性。5. 在設計時考慮使用者隱私與匿名性，避免過度干擾同時維持訊息的說服力。
原始文獻資訊
- 英文標題：
- Warning Message Content Increases Help Seeking in a Large-Scale Dark Web CSAM Intervention
- 作者：
- Caoilte \'O Ciardha, Joel Scanlan, Tegan Insoll, Juha Nurmi, Nina Vaaranen-Valkonen
- 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。