该论文通过混合研究方法，探讨儿童与父母在社交媒体上遭遇虚假信息的经历与认知。研究首先对87名家长进行定性调查，随后对12对父母与儿童进行半结构化访谈。结果发现，儿童能够识别虚假信息为社交媒体上用于欺骗的内容，例如深度伪造、政治迷因或名人谣言。令人关注的是，儿童在验证信息真伪时，倾向于先询问Siri等语音助手，而非直接向父母求助或使用谷歌搜索。父母普遍对孩子易受虚假信息影响感到担忧，并认为自身承担着培养孩子批判性思维的主要责任，同时多数父母主张学校也应加强媒体素养教育。研究还发现，虚假信息可能加剧家庭内部矛盾，尤其当祖辈持有不同政治观点时。论文强调了儿童作为脆弱群体的特殊性，并为社交媒体平台、教育者及政策制定者提供了针对性的启示。

本论文从家长和教师的角度探讨智障儿童在使用移动设备时的数字安全问题。研究背景在于，虽然移动设备为特殊儿童提供了学习与交流机会，但也带来了隐私泄露、网络欺凌、过度使用等风险。智障儿童因认知能力有限，更难识别和应对这些风险。本文通过问卷调查和访谈收集家长和教师对风险的认知、当前防护措施以及所需支持的看法。研究发现，家长和教师普遍担忧孩子的在线安全，但缺乏有效的指导和工具。论文提出了一种教育干预框架，结合家长监控、学校教育和应用设计，旨在提升智障儿童的数字安全素养。实验部分对干预方案进行了初步评估，结果显示参与者的安全意识和行为有显著改善。该研究为特殊教育领域的数字安全实践提供了实证基础，并呼吁各方协作构建更安全的数字环境。

该研究对 Roblox 平台的聊天安全审核系统进行了首次独立评估。Roblox 拥有数亿每日活跃用户，其中大量为未成年人，这使其成为恶意用户通过实时聊天接触潜在受害者的高风险环境。研究者从四个不同年龄分组的公开游戏服务器中，遵循伦理、法律规范及 Roblox 服务条款，收集了约 200 万条聊天消息作为语料库。由于数据规模庞大，无法完全依赖人工分析，他们采用了两阶段方法：首先人工标记了 99,800 条消息作为安全/不安全的基准真值，并用此评估了四款本地部署的先进大语言模型（LLMs）的分类性能；随后将表现最佳的 LLM 应用于全部语料，识别出潜在不安全消息，再通过迭代开放式和轴式编码进行人工归类，直至达到主题饱和。研究结果显示，当前审核系统存在严重漏洞：大量涉及诱骗、性化未成年人、欺凌骚扰、暴力、自残、共享敏感信息等不安全聊天消息成功逃脱审核。进一步分析表明，那些消息曾被标记过的用户，会采用多种技术（如变体拼写、同音词、隐晦表述等）持续发送有害消息以规避审核。该研究系统性地揭示了现有自动化审核机制的不足，强调了针对青少年社交平台的内容审核亟需改进。