Responsible Institutional Analytics：如何用 AI 支持解读偏差

研究者提出 FACTRIA 框架，从分析流水线、机构背景、课程特征和人口统计四个维度组织潜在偏倚因素，并作为生成式 AI 聊天机器人的输入，引导用户在解读机构分析（IA）数据时反思这些因素。基于四个真实 IA 案例的定性研究与转移网络分析显示，该聊天机器人促使参与者意识到被忽视的因素如何影响其初始解读，表明结构化框架与 AI 引导结合可增强对机构数据的情境感知与负责任解读。