AI 時代人人都會用工具，但我們真的會判斷資訊嗎？研究揭露媒體素養的巨大落差

當取得答案變得前所未有地容易，新的問題反而出現了

搜尋引擎、社群媒體、推薦演算法，再到今天的生成式 AI，人類取得資訊的成本正在快速下降。

過去學生遇到陌生問題，可能必須翻閱書籍、搜尋資料庫，再從多個網站整理答案；現在只需要把問題交給 AI，幾秒鐘後就可能得到一份結構完整、語氣流暢，甚至附帶推理與摘要的回答。

然而，「得到答案」與「知道答案是否可信」是兩種完全不同的能力。

2025 年刊登於《Frontiers in Human Dynamics》、2026 年上傳至 arXiv 的研究〈Technology, education and critical media literacy: potential, challenges, and opportunities〉，便將焦點放在這個逐漸重要的問題：當科技深入教育與資訊環境後，我們是否真的具備足夠的批判性媒體素養？

研究團隊指出，數位科技確實帶來資訊取得、互動與個人化教育等優勢，但同時也產生假新聞、錯誤資訊、資訊過載、偶然資訊暴露與 Deepfake 等新的挑戰。生成式 AI 的普及，更讓「如何使用科技」與「如何理解、質疑科技產生的內容」之間的差距變得更加重要。

97.8% 認為重要，真正學過的卻只有 13.8%

這項研究採用混合研究方法，一方面訪談 7 位來自西班牙、美國與秘魯等地、研究媒體素養與 educommunication（教育傳播）的學術專家；另一方面調查西班牙巴斯克大學 141 名新聞、社會教育、幼兒教育與初等教育相關科系學生。

學生調查結果呈現出非常明顯的落差。

高達 97.8% 的受訪學生認為，批判性媒體分析能力應該成為教育的一部分。然而，只有 13.8% 表示自己的大學課程實際涵蓋相關能力。

甚至連相關概念本身都不算普及。

47.1% 的學生表示知道「media education（媒體教育）」；36.2% 熟悉「media literacy（媒體素養）」；知道「educommunication（教育傳播）」概念者更只有 10.9%。約四分之一受訪者對這三個概念全部不熟悉，而三者都熟悉者僅約 2.13%。

換句話說，多數學生已經直覺意識到「判斷資訊」很重要，但教育體系並不一定提供足夠且系統性的訓練。

這種落差在 AI 時代尤其值得注意。

會操作科技，不代表具備數位素養

研究中特別批判了一種常見的科技教育模式：把「數位能力」理解成操作能力。

例如會使用電腦、搜尋資料、操作社群平台、製作簡報，甚至知道如何使用生成式 AI，都可以被視為某種數位技能。

但這些技能主要回答的是：

「這個工具怎麼用？」

批判性媒體素養則進一步追問：

「這個資訊從哪裡來？」

「誰製作了它？」

「為什麼我要看到它？」

「背後是否存在商業、政治或其他利益？」

「演算法為什麼推薦這項內容？」

「還有哪些來源可以交叉驗證？」

「內容看起來合理，是否代表它真的正確？」

這也是生成式 AI 帶來的重要轉變。AI 可以產生非常流暢的文字，而人類長期習慣把語言的完整性、專業語氣與可信度聯繫在一起。但大型語言模型產生內容的機制並不保證每個陳述都是真實事實，因此「看起來像答案」與「經過驗證的答案」之間仍然存在一道必須由使用者跨越的門檻。

因此，AI literacy 不應只有 Prompt 怎麼寫、工具怎麼操作，更需要包括來源查核、資訊比較、模型限制、偏誤與倫理等能力。

年輕人其實每天都泡在資訊裡

研究調查也呈現出當代學生的資訊消費模式。

77.5% 的受訪學生透過社群媒體取得新聞，是所有管道中比例最高的一項；63% 透過電視，47.1% 使用數位新聞網站，42.8% 則透過論壇、部落格等一般網路來源取得資訊。

相較之下，紙本報紙只有 8.7%，廣播更只有 6.5%。

而且學生並不是完全不關心新聞。46.4% 表示每天接觸新聞，26.1% 表示每週約 2 至 3 次。也就是說，約七成學生每天或幾乎每天都會接觸新聞資訊。

問題因此不再是「學生有沒有接觸資訊」，而是「學生每天接觸如此大量資訊後，有沒有能力處理它」。

研究中，只有約 44.9% 的學生認為自己具備批判分析媒體資訊所需的能力，39.9% 認為自己能夠管理媒體帶來的資訊量；45.7% 認為自己已準備好在未來職業中處理媒體內容。

這形成一個值得注意的現象：資訊取得能力快速增加，資訊判讀能力卻不一定同步增加。

資訊過載：問題可能不是「資訊不足」，而是太多

網際網路早期的核心願景之一，是讓更多人自由取得知識。但到了演算法與 AI 時代，另一種完全不同的問題逐漸浮現：資訊過量。

研究引用「infodemia（資訊疫情）」與「infoxication（資訊中毒）」等概念，描述人們持續被大量資訊包圍，最終難以有效消化、分類與判斷來源可靠性的狀況。

每天打開手機，人可能同時看到新聞推播、YouTube 推薦、Facebook 貼文、短影音、朋友轉傳訊息、搜尋結果、廣告，以及 AI 自動產生的摘要。

真正稀缺的東西因此逐漸從「資訊」轉變為「注意力與判斷力」。

而推薦演算法又增加了另一層複雜度。使用者看到的資訊並不是完全隨機的，而是受到平台排序、個人行為、互動紀錄與推薦系統影響。

因此批判性媒體素養不只要求我們分析一篇新聞是否正確，也必須開始思考：「為什麼這篇新聞會出現在我面前？」

Deepfake 與生成式 AI，讓「眼見為憑」開始失效

生成式 AI 進一步提高了資訊判讀的難度。

過去網路假訊息可能是一段錯誤文字、一張經過 Photoshop 修改的照片；今天 AI 已經可以生成逼真的人物照片、聲音、影片與文字。

這意味著人類過去依靠的部分直覺判斷，例如畫面是否自然、聲音是否像本人、文章是否流暢，可靠程度正在下降。

研究訪談的專家因此把 Deepfake 視為新的複雜層次，並強調教育需要讓學生學習驗證資訊、質疑來源以及理解內容產生的背景。

值得注意的是，研究並沒有主張拒絕 AI。

相反地，作者認為 AI 同樣具有教育潛力，包括處理大量資料、適應不同學習需求、協助個人化教育，以及利用 AI 方法協助辨識假新聞。

因此問題並不是簡單的「AI 好不好」，而是 AI 被放進什麼樣的教育與資訊環境。

AI 可以同時是問題的一部分，也是解決方案的一部分

這是整篇研究相當重要的觀點。

AI 能大量生成內容，使錯誤資訊、Deepfake 與低成本內容生產更加容易；但 AI 同時也能協助整理資料、辨識異常資訊與支援教育。

它就像一台極度強大的資訊放大器。

如果輸入的是良好的教育設計、透明制度與查核流程，它可以提升學習效率；如果缺乏媒體素養與驗證能力，它同樣可能放大錯誤資訊。

因此作者主張，AI 與數位工具進入教育時，需要與透明度、批判性媒體教育、倫理規範與適當監管一起發展，而不是單純把最新科技搬進教室就視為完成數位轉型。

研究也指出教師訓練的重要性。若教師本身只有工具操作能力，缺乏對媒體、資訊來源、演算法與科技影響的深入理解，就很難進一步培養學生的批判能力。

多看資訊，真的會比較會判斷嗎？

研究還發現一項有趣的關聯。

每天或幾乎每天接觸資訊的學生中，48.5% 認為自己具有批判分析媒體內容的能力；偶爾接觸資訊者則為 34.4%。使用四種以上資訊來源的人，對自己批判能力有信心的比例也超過 50%，高於只使用一至兩種來源者約 40% 的水準。

但這裡必須非常小心解讀。

研究測量的是學生「自我認為」具備多少能力，而不是透過標準化測驗證明他們真的更擅長辨識假訊息。

同時，這項研究是橫斷面研究，只能觀察特定時間點的關聯，無法證明因果關係。

因此不能把結果解讀成「多看新聞就一定會提升媒體素養」。另一種可能性是，本來就比較關心資訊、比較有信心判讀內容的人，也更願意接觸多種媒體。

這也是閱讀研究論文時很重要的媒體素養：相關性不等於因果關係。

這項研究有哪些限制？

這篇研究提供了值得討論的現象，但它並不是「AI 讓學生失去思考能力」的證據。

學生問卷樣本只有 141 人，而且全部來自西班牙巴斯克地區同一所大學體系，主要為教育與新聞傳播相關科系；其中 87.2% 年齡介於 18 至 21 歲，82.7% 為女性。

因此結果不能直接代表全球所有大學生，更不能直接套用到台灣學生。

專家訪談則只有 7 人，雖然涵蓋西班牙、美國與拉丁美洲的不同學術機構，但全球代表性仍有限。

此外，研究本身採取橫斷面設計，無法觀察同一群學生的媒體素養如何隨著 AI 普及而改變。

作者也指出，未來需要更廣泛的跨國樣本、長期追蹤研究，以及能真正衡量倫理、批判與反思能力的評估工具。

換句話說，這篇研究比較適合被理解成一張「現況照片」，而不是對 AI 教育效果的最終判決。

AI 時代真正重要的能力，可能是知道什麼時候不該相信 AI

從搜尋引擎、社群媒體到生成式 AI，科技發展一直在降低取得資訊的門檻。

但當答案變得唾手可得，教育真正需要解決的問題可能也正在改變。

未來學生未必需要記住所有資訊，因為機器可以在幾秒鐘內提供大量資料；但學生仍然必須知道哪些問題值得問、哪些來源值得相信、不同證據之間如何比較，以及什麼時候應該對一個看似完美的答案保持懷疑。

因此，AI 時代的數位素養不能只停留在「會不會使用 AI」。

更完整的能力應該包括理解資訊來源、驗證事實、辨識偏誤、比較不同觀點、理解演算法如何影響資訊分配，以及意識到自己也可能受到資訊環境影響。

當 AI 越來越擅長提供答案，人類真正珍貴的能力，或許反而變成了另一件事：知道什麼時候應該再問一句——「這是真的嗎？」