⚖️ AI · 学术 · 公平
技术无法中立，公平需要设计 —— 一场关于算法与机会的多媒体思辨
📖 文字 · 核心议题
▸ 算法偏见： 学术AI工具（查重、审稿推荐）在非英语背景写作者中误判率高出32% (Nature, 2024)。语言不是原罪，数据集失衡才是根源。
▸ 付费鸿沟： 高端AI辅助工具年费高达$300+，造成“付费提分”的不公平竞争，低收入群体被系统性边缘化。
▸ 开源与透明： 公平不是施舍，而是可审计、可申诉、可迭代的机制。我们需要开源模型 + 偏见影响评估。
💡 “当AI决定谁能进入大学、谁获得学位，公平就不能只是一句口号。”
🖼️ 图片 · 视觉表达
图：传递AI与学术公平关系的视觉素材
🎙️ 音频 · 真实声音
🎧 录音：个人反思 / 案例讲述（与主题呼应）
📹 视频 · 动态视角
🎬 短视频：关于AI学术公平的讨论/案例/自述
📊 交互数据 · 偏见可视化
不同学生群体被AI检测系统误判的比例（模拟研究数据）
✅ 鼠标悬停/触摸可查看具体数值 —— 第五种媒体（交互性）
*数据来源：AI公平性学术调研综合模拟 | 图表支持交互