利用机器学习技术探究媒介与信息素养在应对虚假信息中的Competence
计算机与社会
2026-04-14 v1 人工智能
机器学习
摘要
本研究开发了机器学习模型，以评估媒介与信息素养（MIL）技能在针对虚假信息的情境下的表现，尤其聚焦于未来的教育者和传播者学生群体。尽管数字化革命扩大了信息获取渠道，却也放大了虚假和误导性内容的传播，使得MIL成为培养批判性思维和负责任媒介参与的关键。尽管其重要性已广为人知，但针对虚假信息情境下的MIL预测建模仍鲜有探索。为填补这一空白，本文对教育和传播专业的723名学生开展了量化研究，使用经验证的问卷调查。应用分类和回归算法预测MIL技能并识别关键影响因素。结果表明，复杂模型优于简单方法，其中学术年限和 prior training 变量对提高预测准确率具有显著作用。这些发现可为设计有针对性的教育干预措施和个性化策略提供依据，以提升学生在数字环境中批判性地导航和应对虚假信息的能力。
引用
@article{arxiv.2604.09635,
title = {Leveraging Machine Learning Techniques to Investigate Media and Information Literacy Competence in Tackling Disinformation},
author = {José Manuel Alcalde-Llergo and Mariana Buenestado Fernández and Carlos Enrique George-Reyes and Andrea Zingoni and Enrique Yeguas-Bolívar},
journal= {arXiv preprint arXiv:2604.09635},
year = {2026}
}
备注
20 pages. 1 figure. 4 tables