案例10｜Decision-making：Recommendation、Filter Bubble Risk、Education／Career Choice 與 Digital Literacy

一、案例定位

本案例依原書 12.4 第 4 點整理。

分析 AI Recommendation／Personalization 對 Youth Choice 的影響。

二、學習目標

理解 Past Interaction 如何影響 Social Feed。
掌握作者對 Bias／Restricted Viewpoint 的提醒。
理解 AI Education／Career Recommendation 與 Digital Literacy。

三、案例情境

原書指出 AI 透過 Recommendation、Personalized Information、Predictive Analytics 影響 Youth Perception、Preference、Decision。Social Media Algorithm 依 Previous Interaction 選內容，可能 Reinforce Prejudice 並限制不同 Viewpoint Exposure。AI Education／Career Planning System 也會推薦 Course、College、Job；Chatbot／Virtual Assistant 提供即時建議。

四、開始資料

Mechanism	Possible Benefit	原書風險
Personalized recommendation	Relevant information	Reinforce bias／restrict viewpoint
Predictive analytics	Decision support	Over-reliance
Education recommendation	Course／college guidance	May narrow options
Career recommendation	Job opportunity guidance	May direct youth toward specific paths
Chatbot／virtual assistant	Immediate advice	Ethical concern／reduced critical thinking

五、分析方法

對 Recommendation System 同時追蹤 Relevance、Diversity、User Agency、Bias、Override／Explanation。

六、計算結果

原書沒有提供 Recommendation Diversity Score 或 Choice Effect Size。

七、結果分析與管理解讀

作者認為便利性與效率之外，青年還需要 Digital Literacy，理解 Algorithm 如何塑造 Exposure 與 Choice。

八、AI 提問詞

請依原書分析 youth recommendation system 的 benefit/risk，並加入 user agency／diversity 作為檢查欄位，但不要宣稱原書已量化這些指標。