维基百科中的大语言模型：探究大语言模型如何影响知识社区参与
人机交互
2025-09-10 v1
摘要
大语言模型（LLM）正在重塑知识生产，社区成员越来越多地将其融入贡献工作流程。然而，参与知识社区不仅仅涉及贡献内容——它也是一个深度的社会过程。虽然社区必须慎重考虑适当且负责任的大语言模型整合方式，但具体规范的缺失使得个体编辑者只能自行试验和摸索大语言模型的使用。因此，理解大语言模型如何影响社区参与，对于塑造未来规范和支持有效采用至关重要。为弥补这一空白，我们以最大的知识生产社区之一——维基百科为研究对象，探究：1）大语言模型如何影响编辑者贡献内容的方式；2）编辑者采用何种策略使大语言模型输出与社区规范保持一致；3）社区中的其他编辑者如何回应大语言模型辅助的贡献。通过对16位曾使用大语言模型进行编辑的维基百科编辑者进行访谈，我们发现：1）大语言模型对经验丰富和新手编辑者的内容贡献影响不同；2）使大语言模型输出符合社区规范需要隐性知识，这常常给新手带来挑战；3）因此，其他编辑者会根据编辑者的专业水平，对大语言模型辅助的编辑做出不同回应。基于这些发现，我们对现有的新手参与模型提出质疑，并为支持社区参与的大语言模型提出设计启示，包括脚手架式支持、教学和情境感知。
引用
@article{arxiv.2509.07819,
title = {LLMs in Wikipedia: Investigating How LLMs Impact Participation in Knowledge Communities},
author = {Moyan Zhou and Soobin Cho and Loren Terveen},
journal= {arXiv preprint arXiv:2509.07819},
year = {2025}
}