跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播›

研究:黑人与拉丁裔青少年识别网络虚假信息的能力强于白人同龄人

《新媒体与社会》期刊发表的一项研究显示,黑人与拉丁裔青少年在识别网络虚假信息方面自评能力更强,尤其在涉及种族的内容上。

媒体与互联网新闻林晓雯发布: 2026年9月27日4 分钟阅读资料来源 2
研究:黑人与拉丁裔青少年识别网络虚假信息的能力强于白人同龄人

加州大学河滨分校的 Avriel Epps 与南加州大学的 Brendesha Tynes 领导了这项研究。团队收集了 100 多名黑人青少年的每日日记,拉丁裔和白人同龄人的数量相当,参与者年龄均在 11 至 19 岁之间。结果显示,少数族裔青少年能更快指出虚假说法和种族主义宣传。他们也更常对照可靠来源核实帖子,并更倾向于发布基于事实的纠正性内容。

Epps 表示,这些技能并非来自课堂。

据加州大学河滨分校对该研究的介绍,她说:“在许多情况下,他们是从应对网络种族主义的亲身经历中磨练出这些关键技能的,而不一定源于学校教育。”

这篇题为《青少年日常践行批判性种族数字素养技能的种族与族裔差异:一项每日日记研究》的论文发表在《新媒体与社会》上。共同作者包括加州州立大学北岭分校的 Matthew Coopilton 和罗格斯大学的 Devin English。该研究是“全国批判性数字素养调查”的一部分,这是一个由 Tynes 领导的纵向项目,资金来自斯宾塞基金会颁发的莱尔·斯宾塞教育变革奖。

研究人员测量了什么

研究将批判性种族数字素养(CRDL)定义为:以种族及种族主义表现形式为视角,识别、批判和评估数字媒体的能力。参与者每天报告自己分析、回应或忽略与种族相关数字内容的频率。Epps 利用这些数据进行分析,揭示了所测技能上的种族差异。

作者发现,许多黑人和拉丁裔参与者更有可能挑战种族主义内容。他们会自己发帖揭露虚假信息,或分享来自可靠来源的文章,以反击分裂性叙事。

Epps 说:“这些青少年往往是在为自己的社区做这件事。他们发布关于社会正义运动的准确信息,或纠正有害的刻板印象,很可能是出于一种责任感。”

研究人员认为,结果指向亲身经历,而非课堂教学。Epps 告诉加州大学河滨分校,黑人和拉丁裔青少年“保持警惕,高度敏锐”。他们在随时可能发生种族微冒犯的世界中摸爬滚打,习得了一套技能。相比之下,白人青少年较少质疑涉及种族的误导性帖子。

Epps 说:“这并不是因为他们不够聪明,而是因为他们不必如此警觉。他们不像有色人种青少年那样成为数字种族主义的目标。”

与早前研究相悖

这些发现与斯坦福历史教育小组(现称数字探究小组)2021 年的一项研究相矛盾。在那项研究中,当被要求分析现实生活中的数字媒体时,黑人学生的得分显著低于其他种族和族裔群体。据加州大学河滨分校介绍,那项研究并未考察与种族或种族主义相关的反应。

Epps 表示,这项研究的起因是她发现学术假设与黑人和拉丁裔青少年在社交平台上塑造文化的可见作用之间存在错位。

她问道:“他们怎么会在这些网络空间里生产文化,而文献和研究却说他们的数字素养低于白人同龄人?”

研究发表之际,虚假信息宣传正变得更有针对性、更难识别,学校也在纠结如何教授种族内容,甚至是否要教授。作者指出,高中确实涉及数字素养教育,但大多没有触及网上流传的许多虚假内容中的种族维度。他们还提到,围绕教授系统性种族主义(包括批判性种族理论)的政治反弹,对课堂上的种族讨论产生了寒蝉效应。

研究人员并未呼吁把责任转嫁给学生。Epps 说:“我们的目标不是转移负担,而是认可并尊重这些年轻人已经具备的关键技能。我们可以无视这一现实,也可以在此基础上让教育更有相关性、更公正。”

对教师而言,Epps 将结论表述得更宽泛:无论什么科目,文化相关的课程都很重要。她说:“文化回应式教学在数学中重要,在英语和语言艺术中重要,在数字素养和数字公民教育中同样重要。”

与此同时,还有另一项研究在考察虚假信息网络如何运作。Tactical Tech 发布的指南《揭露隐形》介绍了发现、绘制和追踪此类网络的四步方法。指南指出,这些宣传活动既有与国家有关的影响力行动,也有追逐广告收入的内容农场。它提到了 NewsGuard 识别出的 125 个不可靠的 AI 生成新闻网站,还提到了位于意大利南部一个小镇的一些网站,称它们是通过类似的网络分析被发现的。

评论 0

资料来源

2
  1. 01Black and Latino teens show strong digital literacyEN
  2. 02How to Track Online Disinformation NetworksEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。