本系於 2026 年 6 月 18 日舉辦專題演講與工作坊，邀請美國伊利諾大學香檳分校廣告學系副教授 Dr. Leona Su 蒞臨分享。Dr. Leona 於本次活動中，深入探討其於對話式 AI（Conversational Agents, CA）的說服機制研究成果，並系統性介紹社群媒體分析方法的實務應用。
Dr. Leona 長期關注媒體與社會之間的互動關係，研究主軸聚焦於社群媒體與新興科技如何影響人們在科學、健康與環境議題上的資訊接收、態度形成及社會行為。她擅長結合問卷調查、實驗設計與大規模文字分析等多元研究方法，研究成果曾發表於 New Media & Society、Information, Communication & Society 等國際知名學術期刊。
本次演講主題為「Persuasion Through Conversational Agents（對話式AI的說服機制）」。Dr. Leona 分享了幾項有趣的發現：與非互動式訊息相比，無論是文字型或語音型 CA，介入後的誤解率都較低；而語音型 CA 則呈現兩種機制：（1）較高的認知負荷導致較高的誤解率，進而降低行為意圖；（2）與行為意圖之間存在直接且正向的關聯。研究亦指出，資訊量並非重要的調節變數，關鍵在於資訊的複雜度與操作化方式。此外，當採用非正式溝通風格時，文字型 CA 比語音型 CA 引發明顯較高的慈善意圖；反之，在正式溝通風格下，語音型 CA 則表現更佳。
Dr. Leona 進一步歸納，對話式 AI 在揭穿廣泛錯誤資訊方面具有顯著效果，對話線索（如互動性與同理心）能強化此效果。然而，語音型 CA 可能增加認知負荷，成效亦因目標結果而異。她也將研究延伸至企業與行銷層面，探討實務上的應用潛力。會中參與者針對錯誤訊息鑑定、實驗變數設計與操作等面向踴躍提問，Dr. Leona 也皆一一耐心回應，討論氣氛熱烈。
下午的工作坊中，Dr. Leona 進一步分享系統性的社群媒體分析方法，帶領參與者運用 R 語言進行實作。透過麥當勞（McDonald’s）與漢堡王（Burger King）於 X（原 Twitter）平台上的真實數據，參與者實際操作了頻率分析（Frequency Analysis）、互動指標分析（Engagement Metrics Analysis）、主題模型（Topic Modeling）與情緒分析（Sentiment Analysis）等技術，協助與會者理解數據背後的市場意涵，並掌握企業決策所需的數據驅動思維。
本次講座與工作坊不僅讓參與者更全面地了解對話式 AI 的當前發展與市場接受度，也為社群媒體分析建立了紮實的入門基礎。同時，活動促成本系與國際學者的深度交流，拓展新型科技與傳播跨領域研究的視野，為未來學術合作與教學方向開啟更多可能性。
