09_ChatGPT 告訴我們什麼？南部非洲的氣候變遷關切與解決方案

核心表格

本章由 Sonali Das、Hannah Brown、Kenny Kutu 撰寫，使用 ChatGPT 3.5 評估南部非洲發展共同體（Southern African Development Community, SADC）16 個 Member States 的 Climate Change Concerns 與 Solutions。研究不是單純收集 ChatGPT 回答，而是以 Accuracy、Specificity、Completeness 三個 Epistemological Criteria 檢查其資訊品質，並特別測試 SADC Acronym 與 Southern African Development Community Full Name 是否產生不同輸出。

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
研究範圍	ChatGPT 3.5；16 個 SADC Member States；Climate Concerns＋Climate Solutions	快速彙整低資源區域 Climate Information	研究目的是 Information Collation／Evaluation，不是取代 Climate Expert
Regional Context	SADC 面臨 Drought、Flood、Hurricane 等 Climate Variability／Physical Risk；對應 AU Agenda 2063	支援跨國 Climate Discussion	Country Socioeconomic／Geographic Context 不可被區域平均掩蓋
Fig. 9.1 SADC Map	16 個 Member States；原圖明確標示 not to scale	界定研究的 Geographic Unit	示意地圖不能用來推算各國面積、距離或 Climate Exposure
Table 9.1 Economic Context	2022 GDP：South Africa 最高、Comoros 最低；GDP per capita：Seychelles 最高、Madagascar 最低	說明 Resource／Capacity Context	GDP 與 GDP per capita 不是 Climate Vulnerability／Resilience 的單一替代指標；完整 16 國數值保留於案例14
Table 9.2 Youth Context	作者概括 13/16 國的 15–24 歲人口約占 15–21%；Seychelles 8.67%；DRC 49% 使用 15–29 歲定義	連結 Climate Literacy／Climate Anxiety 與青年人口	各列 Reference Year 不完全相同；DRC 年齡定義不同，不能直接與 15–24 指標同口徑排名
Fig. 9.2 Coast／Lake Exposure	5 個 Country 位於 African Coast、4 個為 Islands、2 個有 Large Inland Lakes	理解 Coastal Erosion／SLR 為何具有 Country-specific Relevance	Figure 的 km Label 在文字層無法可靠復原，且圖為 not to scale，因此不估算公里數
Fig. 9.3 ChatGPT Workflow	Supervised Fine-tuning → Human Ranking／Reward Model → PPO Policy Update	提供 ChatGPT Training Background	此圖為引用的 Conceptual Workflow，不是 Chapter 9 使用 SADC Data 自行訓練 ChatGPT 的實驗流程
Accuracy	Science Information 應避免 Objective／Subjective Inaccuracy	檢查 factual correctness	Detailed Answer 不等於 Accurate Answer
Specificity	符合 Spatial／Temporal Context	檢查是否真正適用特定 Country／Southern Africa 與當時情況	Country-specific Output 仍需 Evidence Validation
Completeness	Incomplete → Adequate → Comprehensive	檢查 Query 是否完整回答	兩張各自合理的 Concern／Solution List 仍可能彼此不完整對應
Country Prompt	“You are an expert in climate change research. Identify the 5 top climate change concerns/solutions in (country)”.	Standardized Cross-country Comparison	Role Prompt 目的為聚焦 Scientific Resource；原書未量化 Role Phrase 的獨立效果
Output Control	每個 Country 固定 Top 5	保持各國輸出數量一致	Aggregate Union 最後仍可產生超過 5 個 Dominant Category
Session Control	每個 Prompt／Country 前 Restart ChatGPT Session	降低 Previous Conversation History 影響	仍無法消除 Model Update／Temporal Context 影響
Search Date	Country：13 June 2023；Regional：11 March 2024	保存 Research Run Provenance	Country／Regional Output 不是同一天生成
Table 9.3 Dominant Concerns	Agriculture/Food Security 14/16；Biodiversity/Ecosystem Loss 13/16；Coastal Erosion/SLR 9/16；Extreme Weather 7/16；Health 6/16；Water Scarcity 為 Dominant Concern 但 Count 無法可靠抽取	辨識跨國共同 Climate Risk	Top-5 Country Searches 的 Union 最後列 6 個 Concern；Water Scarcity Count 不猜測
Table 9.4 Dominant Solutions	Renewable Energy 16/16；Land Use/Forest 13/16；Awareness/Education 9/16；Sustainable Agriculture/Land 9/16；Water Resource Management 7/16	辨識常見 Adaptation／Mitigation Option	Frequency 不是 Policy Effectiveness／ROI
Country-specific Output	Desertification：Botswana／Namibia；Fisheries：Seychelles；Sustainable Tourism：Seychelles；Sustainable Transport：South Africa	檢查 Context-specificity	Unique Output 仍需對照 Contemporary Evidence
Table 9.5 Prompt Sensitivity	`SADC` Concern：Water Scarcity/Drought、Agriculture Impacts、Rising Temperature/Heatwaves、Sea-level/Coastal Vulnerability、Extreme Weather	測試 Acronym Search	`SADC` 未列 Biodiversity／Health；Full Name 帶回 Biodiversity，但 Health 仍未出現
Table 9.6 Solutions	作者比較 `SADC` 與 Full Name 的 Solution Output	檢查 Regional Concern–Solution Alignment	來源文字未可靠復原完整兩欄 List，因此不重建 Cell；作者表示 Regional Alignment 較好
Angola Crosswalk	Water Scarcity、Coastal Erosion/SLR 等 Concern 與五個 Solution 比對	檢查 Concern–Solution Coverage	Coastal Erosion/SLR 無直接 Solution；Water Scarcity 未列 Sustainable Water Resource Management
Hallucination	LLM 可能產生 erroneous output	建立 Claim Validation／Source Review	原書引用 Poland Exercise 30–40% Accuracy 是外部研究，不是本研究 SADC Accuracy
Bias	Training-data Bias 可放大 underserved／underrepresented region 的偏誤	要求 Regional／Population-aware Validation	SADC 等 Low-resource Topic 更需注意 Representation Gap
Computational Cost	LLM 使用具有大量 Compute／Environmental Cost	將 AI Environmental Footprint 納入討論	研究沒有提供自身 Query 的 Carbon Footprint 數字
Overall Epistemic Result	作者認為輸出整體具有高 Accuracy／Specificity，且相對 Complete／Insightful	可作 Initial Climate Information Scoping	沒有統一量化 Accuracy Score，不能自行產生百分比
Policy Use	作者稱 ChatGPT 可作 useful “quick and dirty” tool，並建議 regulated use	支援 Collaborative Inter-governmental Discussion	研究沒有提出具體 SADC Climate Policy，也未量化 Consultant Cost Saving
Final Prompt Rule	Popular Acronym 應同時查 Acronym＋Full Name，再比較 Completeness	降低 Prompt Wording Omission	同義 Entity Name 不保證得到相同 LLM Output
Research Disclosure	ChatGPT 3.5 用於 Methodology，不用於 Manuscript Writing；Authors take full responsibility	建立 LLM-assisted Research Transparency	Tool Use 不轉移 Human Accountability