2026資社年會主題論壇: AI投稿暴增！專家揭語言門檻降低仍難翻轉全球研究資源落差
2026台灣資訊社會研究學會年會暨論文演討會今（7）日在國立政治大學公企中心順利舉行。年會主題論壇以「AI-Augmented Research: Opportunities, Boundaries, and Global Inequalities」為核心議題，由國立政治大學傳播學院特聘教授林日璇博士主持。邀請維也納大學傳播學系教授 Jörg Matthes、陽明交通大學傳播與科技學系教授賴至慧，以及中央研究院政治學研究所研究員吳文欽，從傳播學、政治學與學術期刊編輯等不同角度，討論AI如何改變知識生產、研究方法與學術出版，也深入探討研究者如何在使用AI的同時，保留批判思考、專業判斷與研究自主性。
投稿量暴增！AI降低門檻卻未真正縮小學術差距
Jörg Matthes從期刊編輯經驗觀察，2026年《Communication Theory》投稿量明顯增加，甚至有作者一天投稿三篇理論論文。他認為，AI協助非英語母語研究者改善英文寫作，確實讓更多人跨出學術發表的第一步，但投稿增加不代表錄取機會同步提升。資源充足的知名大學與資深研究者，已經進一步運用AI提升資料分析及研究創新，學術主導權仍集中在原本具有優勢的群體手中。
AI成研究助手！專家提醒不能只追求效率
談到實際應用，Matthes分享，自己會讓AI扮演不同領域的學者、期刊編輯或審稿人，從多元角度挑戰研究構想，找出原本忽略的問題。賴至慧則運用AI協助R語言程式撰寫、英文潤稿及大量截圖資料整理；吳文欽認為，AI在程式設計與例行統計工作上確實能提升效率，但研究者若缺乏專業知識，就難以判斷AI提供的內容是否正確。
此外，Matthes也提醒，AI模型的訓練資料與價值觀可能存在偏差，未必能充分反映不同國家及文化的在地觀點。賴至慧指出，資源充足的研究機構有能力使用進階模型、驗證資料品質，資源不足的研究者卻可能只能依賴不透明的商業工具，形成新的研究落差。她建議，未來研究補助計畫可鼓勵不同資源背景的學者合作，分享技術與驗證經驗。
合成資料能取代真人嗎？專家：只能作為研究證據之一
論壇也討論近年受到關注的合成資料（Synthetic Data），也就是利用AI模擬虛擬人物、產生研究資料。Matthes認為，合成資料可以成為研究工具的一部分，協助探索問題，但不能取代真人資料及傳統研究方法，因為AI生成的資料無法直接提供完整的抽樣基礎與因果推論。
賴至慧表示，過去曾嘗試使用Gemini處理研究資料，卻花費六到八個月進行人工驗證，最後決定回到傳統機器學習方法。她認為，研究的核心仍是理論創新與清楚的概念架構；吳文欽則提出，真人受訪者可能說謊，但研究者仍能透過方法辨識資料中的不一致，AI是否能辨識謊言、又是否可能產生不實資訊，都是尚待釐清的問題。
給年輕研究者的建議：先練好基本功再使用AI
面對AI快速發展，三位學者也分享給年輕研究者的建議。Matthes認為，應該持續透過AI挑戰自己的想法，而不是單純接受答案；賴至慧則提醒，閱讀艱深文獻、理解複雜理論的過程，能培養研究者的批判思考與理論直覺，不能因為AI能快速整理摘要，就省略真正理解文獻的過程。
吳文欽以攝影為例，表示即使AI能生成漂亮照片，仍然需要學習構圖與光線等基本技巧。研究也是如此，必須先掌握基本方法，才能有效運用AI改善成果。
AI無法取代人的判斷 研究價值仍在挑戰既有觀點
現場提問也談到，當研究者逐漸將思考與工作交給AI，人類是否正在失去自主性？Matthes認為，具備傳統研究能力的人，反而更能掌握AI帶來的優勢；真正的風險在於年輕世代若只學會使用AI，卻沒有建立不依賴AI的基本研究能力，就可能失去判斷產出內容的能力。
吳文欽則指出，研究不只是降低不確定性，更重要的是挑戰既有認知，從不同角度尋找新的發現。AI可以協助整理資料、加快研究流程，但真正具有價值的學術成果，仍需要研究者提出新問題、保留多元觀點，並透過專業判斷建立知識貢獻。
本次年會的AI主題論壇，從研究者如何使用工具、學術期刊投稿量增加，到合成資料、研究資源落差與人類自主性，呈現生成式AI對學術環境帶來的多重影響。AI確實降低部分研究工作的技術與語言門檻，也讓更多研究者有機會參與知識生產；但研究品質、資源取得、模型偏誤與學術規範，仍然需要學界持續面對。