不仅仅是词典：AI如何支持从数字局外人到局内人的旅程

文献标题

More Than a Dictionary: How AI Scaffolds the Journey from Digital Outsider to Insider

出版信息

• 研究领域: 人工智能介导的在线社区文化融合
• 关键词: 文化学习, AI支架, Chain-of-Thought, Retrieval-Augmented Generation, 数字局外人, 荒诞语言, 中国社交媒体, 社会技术系统, 文化调解, 分布式认知

背景与问题

• 问题/挑战: 在线社区发展出象征性词汇，这些词汇使新成员处于边缘化地位，而现有的人工智能系统无法在翻译之外为文化融合提供支架。
• 重要性: 有效的文化融合能够促进在线社区的有意义参与，推动社会包容性并降低局外人的进入门槛。
• 动机与相关研究: 先前关于文化调解和分布式认知的研究强调了社会技术系统在弥合解释性差距中的重要性。然而，人工智能系统通常难以处理隐含的文化规范，无法支持动态、情境化的学习过程。

解决方案

• 提出的方法: 一个整合了Chain-of-Thought (CoT) 推理和Retrieval-Augmented Generation (RAG) 的人工智能调解系统，用于支撑中国社交媒体中的文化融合。
• 创新点:
  1. 基于用户交互提出了一个五阶段的AI介导文化融合模型。
  2. 一个结合CoT和RAG的对话系统，用于揭示文化学习中的认知和社会动态。
  3. 支持文化融合的社会技术系统设计原则，而非简单的信息检索。
• 流程与关键技术:
  • 筛选了一个包含12万条“中国社交媒体荒诞语言”的语料库。
  • CoT模块将文化文本分解为风格特征、推测的语境和动机。
  • RAG模块从语料库中检索真实示例以支持解释。
  • 进行了一项混合方法用户研究，将该系统与基线大型语言模型进行比较。

结果

• 具体发现:
  • 系统B（CoT+RAG）实现了93.37%的理解准确率，比系统A（基线）高出11.95个百分点。
  • 用户对系统B的评分在文本理解（p = 0.007）、系统熟练度（p = 0.021）和AI理解能力（p = 0.045）方面显著更高。
• 相较基线的优势: 系统B提供了结构化的支架，尤其是对数字局外人而言，显著提升了理解能力和文化融合效果。
• 实验/评估:
  • 采用被试内设计，14名参与者完成了6项理解任务。
  • 定量测量包括任务准确率和Likert量表评分；定性分析追踪了五阶段文化融合过程。
• 局限性与未来工作: 样本量较小（n = 14），聚焦于单一文化现象，且实验环境为实验室设置。未来研究应探索纵向研究、平台特定的功能，以及人工智能在共创过程中的作用。

总结

本研究提出了一个AI介导的五阶段文化融合模型，描绘了用户从外围观察到自信参与中国社交媒体社区的过程。通过整合Chain-of-Thought推理和Retrieval-Augmented Generation，所提出的系统在理解准确率和用户信心方面显著优于基线模型。研究结果强调了适应性支架、动态代理性以及在人机合作中建立信任的重要性。未来的系统应关注支持创造性参与和文化实践的伦理性表达，将人工智能定位为社区融合的社会技术催化剂。