本題主要在測試考生對傳播學中幾個重要理論與概念的理解程度。

(一) 使用與滿足理論 (Uses and Gratifications Theory, UGT)
此理論的核心觀點是，受眾並非被動地接收媒體訊息，而是主動地、有目的地使用媒體來滿足其心理與社會需求。它將研究焦點從「媒體對閱聽人做了什麼？」轉向「閱聽人對媒體做了什麼？」。受眾會根據自身的需求，選擇不同的媒體內容，並從中獲得滿足感，例如獲取資訊、娛樂、尋求個人認同、社會互動等。
【答案】受眾主動使用媒體以滿足其心理與社會需求的理論。

(二) 情感傾向理論 (Affective Disposition Theory, ADT)
此理論探討閱聽人對媒體內容中人物（角色）的情感反應，如何影響其對該內容的評價與享受程度。當閱聽人對某角色產生好感（正向情感傾向）時，若該角色成功克服困難並獲得勝利，閱聽人會感到愉悅；反之，若該角色遭遇失敗，閱聽人則會感到不悅。相反地，對某角色產生反感（負向情感傾向）時，若該角色遭遇失敗，閱聽人會感到愉悅；若該角色成功，閱聽人則會感到不悅。
【答案】閱聽人對媒體角色產生的情感傾向，影響其對內容的評價與觀看體驗的理論。

核心觀念

本題以 Schramm 的問題為起點，要求比較兩種傳播研究取向：

• 媒介效果典範：關注媒體內容、媒體接觸與媒體環境如何影響閱聽人的認知、態度、情緒與行為。
• 傳播者使用典範：關注閱聽人基於需求、目的與情境，如何主動選擇、使用、詮釋及再生產媒體內容。

答題時應各選一個代表性理論，完成「理論核心—實際現象—理論分析」三層說明，再比較兩個理論對媒體社會影響力的判斷。

---

解題方法

本題最穩定的作答組合是：

1. 媒介效果典範：涵化理論（Cultivation Theory）
2. 傳播者使用典範：使用與滿足理論（Uses and Gratifications Theory）

涵化理論能說明媒體長期、累積性的社會影響；使用與滿足理論則能具體呈現閱聽人如何為了不同需求主動使用媒體。兩者分別對應題目中的「媒體對兒童做了什麼」與「兒童用媒體來做什麼」。

---

（一）兩種典範及其代表理論

一、媒介效果典範：涵化理論

1. 理論背景與核心意義

涵化理論由 George Gerbner 等學者提出，主要探討大眾媒體，尤其是電視，長期且大量呈現的符號世界，如何逐漸影響閱聽人對社會現實的理解。

其核心主張不是媒體看過一次就立即改變人的態度，而是：

當閱聽人長期接觸高度重複、具有相似價值與敘事模式的媒體內容時，媒體所建構的世界可能逐漸成為閱聽人理解真實世界的重要參照。

因此，涵化理論重視的是：

• 長期接觸，而非單次接觸；
• 累積影響，而非立即效果；
• 社會現實觀，而非單一行為反應；
• 媒體內容的整體結構，而非個別節目。

常見的簡化關係可表示為：

$$\text{媒體接觸程度} \uparrow \Rightarrow \text{媒體建構的現實觀} \uparrow$$

這不是嚴格的數學定律，而是表示長期接觸與社會現實認知之間的理論關聯。

2. 實際傳播現象

以兒童長期觀看犯罪新聞、警匪劇、暴力影集及短影音中的治安事件為例。兒童接觸的內容若反覆呈現搶劫、攻擊、綁架與陌生人傷害等情節，兒童可能逐漸認為：

• 社會充滿危險；
• 陌生人普遍不可信任；
• 自己隨時可能成為犯罪受害者；
• 人際關係主要建立在防備與衝突之上。

即使兒童實際生活在犯罪率不高的社區，媒體中高密度的犯罪訊息仍可能影響其對社會安全的判斷。

3. 理論分析

涵化理論可從三個步驟分析此現象。

（1）媒體建構符號世界

媒體不是單純反映社會，而是透過選材、敘事、角色設定與畫面安排，建構某種社會圖像。警匪劇雖然是虛構作品，卻反覆把暴力、犯罪與危險放在敘事中心。

（2）長期重複接觸形成一致印象

兒童若持續接觸類似內容，媒體訊息會在不同節目中反覆出現。長期重複會使「世界危險」成為容易被提取的認知框架。

（3）媒體現實與日常經驗互相作用

兒童會以媒體中的線索解釋現實生活。例如，看見陌生人在校門口等待，便把此人理解為潛在危險人物。媒體未必直接命令兒童採取某種行動，卻可能影響兒童如何定義問題、評估風險與形成社會態度。

若兒童的日常生活經驗與媒體世界相似，涵化效果可能更明顯；若家庭、學校與同儕提供不同的社會經驗，則可能削弱媒體的單一影響。

4. 延伸概念：主流化與共鳴

涵化理論常以兩個概念補充說明：

• 主流化（mainstreaming）：不同背景的閱聽人因長期接觸相似媒體內容，而逐漸形成相近的社會觀。
• 共鳴（resonance）：當媒體呈現的內容與閱聽人的生活經驗相互呼應時，涵化效果會被放大。

例如，生活在治安不佳地區的兒童，同時經歷現實中的暴力事件，又經常觀看犯罪節目，媒體訊息便與自身經驗產生共鳴，對危險社會的認知可能更加強烈。

---

二、傳播者使用典範：使用與滿足理論

1. 理論背景與核心意義

使用與滿足理論將閱聽人視為具有主動性的傳播參與者，不再把閱聽人看成被動接受媒體刺激的對象。

其基本問題是：

閱聽人為何選擇某種媒體？他們使用媒體來滿足什麼需求？

閱聽人的媒體使用通常受到以下因素影響：

• 個人需求；
• 社會情境；
• 可取得的媒體資源；
• 對媒體功能的期待；
• 使用後獲得的滿足。

可用下列關係表示：

$$\text{需求與情境} \rightarrow \text{媒體期待} \rightarrow \text{媒體選擇與使用} \rightarrow \text{滿足或未滿足}$$

使用與滿足理論常見的需求類型包括：

1. 認知需求：獲得資訊、學習知識、理解時事。
2. 情感需求：獲得娛樂、情緒調節與心理慰藉。
3. 個人認同需求：建立自我形象、比較自己與他人。
4. 社會互動需求：維持人際關係、尋找共同話題。
5. 逃避與放鬆需求：暫時離開壓力、打發時間。

2. 實際傳播現象

以高中生使用 YouTube、Podcast、Instagram Reels 或 TikTok 為例。同一個短影音平台對不同使用者具有不同功能：

• 學生觀看升學講解影片，是為了準備考試；
• 使用者觀看新聞短片，是為了快速掌握時事；
• 觀看喜劇內容，是為了放鬆與調整情緒；
• 觀看偶像或網紅內容，是為了建立個人認同；
• 轉發迷因與短片，是為了和朋友維持互動；
• 觀看學習社群內容，是為了尋找同儕支持與資訊。

同一支影片可能同時滿足娛樂、資訊與社交需求，因此媒體效果不能只由內容本身決定，也要考慮使用者為何接觸該內容，以及如何理解該內容。

3. 理論分析

（1）閱聽人具有選擇能力

核心觀念

本題考查「人工智慧治理」與「新聞媒體專業倫理」的整合能力，核心不在於判斷 AI 能否生成內容，而在於媒體導入 AI 後，如何維持：

1. 資訊正確性：避免錯誤、幻覺、誤導與政治操弄。
2. 資訊多元性：避免資料來源、觀點與文化表述過度集中。
3. 新聞專業監督：由編輯、記者與領域專家負責查證及把關。
4. 公共責任與可問責性：使用者必須知道內容如何產生，媒體也必須對錯誤負責。

題目所列四項，分別對應 AI 系統的不同階段：

$$\text{訓練資料} \rightarrow \text{模型訓練與監督} \rightarrow \text{使用者提問} \rightarrow \text{輸出內容}$$

因此，解題時應依照 AI 媒體服務的流程逐項分析，再從媒體實務補充「透明、可追溯、可問責」的治理要求。

解題方法

作答可採取以下三步：

1. 先表明對各項原則的基本立場。
2. 舉出具體媒體應用，例如新聞搜尋、摘要、聊天機器人、個人化推薦及自動寫稿。
3. 同時分析實務上的限制，說明原則如何落實，避免只停留在抽象的道德宣示。

高分答案不能只寫「贊成，因為要避免錯誤」，而應進一步指出：

• 風險發生在哪一個 AI 階段；
• 媒體組織可以採取何種管理措施；
• 該措施是否會造成新聞效率、言論自由或服務可用性的取捨。

---

（一）四個要項的媒體應用與立場

I. 訓練資料庫必須多元、正確，且不得含有錯誤、誤導、欺騙或政治宣傳內容

立場：原則上贊成，但「完全沒有錯誤」必須轉化為可執行的資料治理標準。

媒體組織若建立新聞聊天機器人，訓練資料可能包括歷年新聞、專題報導、採訪逐字稿、政府公開資料及新聞照片說明。若資料庫中混入錯誤報導、未經查證的社群貼文、政治宣傳稿或帶有歧視性的歷史內容，模型就會把這些內容視為可學習的語料，進而在回答時重複錯誤。

例如，新聞網站推出「選舉政策問答機器人」，協助讀者比較候選人的政見。若訓練資料只採用單一政黨的新聞稿，機器人即使回答內容語句通順，也會產生選擇性呈現，使服務實質上成為政治宣傳工具。

媒體組織應採取下列措施：

• 建立資料來源分級制度，區分原始採訪、官方文件、經查證報導與未驗證內容。
• 為重要資料保留發布日期、作者、來源網址及編輯紀錄。
• 對具爭議的政治、醫療、公共安全議題進行人工審查。
• 建立錯誤資料移除、更正與版本更新機制。
• 定期檢查資料集是否過度集中於特定媒體、政黨、地區或社會群體。

不過，新聞資料不可能永遠處於「絕對正確」狀態。新聞會因新證據出現而更正，公共事件也可能存在不同說法。因此，實務上應將要求改為「來源透明、具查證程序、可追蹤更正」，而不是宣稱資料庫完全沒有錯誤。

II. 大型語言模型生成的內容，在監督式學習階段須經媒體或資訊專家認證

立場：贊成。

大型語言模型能生成語法正確、結構完整的文章，卻不代表內容符合新聞價值或事實標準。模型訓練過程中的監督資料，會影響它如何判斷新聞重要性、如何描述不同群體，以及如何處理爭議性議題。

例如，媒體利用 AI 將財經新聞自動轉換成一般讀者容易理解的版本。在模型訓練階段，應由財經記者、編輯及金融資訊專家審查示範答案，確認模型沒有把「營收增加」錯寫成「獲利增加」，也沒有把市場預測寫成確定事實。

「認證」不宜理解為每一句生成內容都由專家逐字簽名，而應包括：

• 建立經專家審查的訓練範例。
• 使用標準測試題檢查事實正確性、偏見與誤導風險。
• 對高風險領域設置更嚴格的人工審核。
• 訓練後持續進行紅隊測試與錯誤回報。
• 模型更新時重新驗證，不得因版本升級而直接沿用舊有認證。

題目特別指出「不能僅評估其可行性」，意義在於技術上能否運作，不等同於媒體上是否適合使用。模型能夠快速寫出選舉新聞，不代表它能正確處理假民調、候選人爭議或未證實指控。媒體必須將技術測試與新聞專業認證分開。

III. 聊天機器人不能回答尚無答案的問題

立場：贊成其風險控制精神，但應將「不能回答」具體化為「不得捏造答案」。

新聞聊天機器人最嚴重的風險之一是「幻覺」，也就是在沒有可靠資料時，仍產生看似確定的回答。媒體的品牌信譽通常高於一般網路帳號，因此使用者容易誤信機器人的說法。

例如，使用者詢問：「某地震目前的死亡人數是多少？」若媒體尚未取得官方確認，機器人不應自行推算數字，也不應引用過時資料冒充最新統計。正確回應應說明目前沒有可靠答案，提供已知資料的時間點，並引導使用者查看持續更新的新聞頁面。