Discovery2026年8月26日
2026教育科技新局：AI從輔助工具進化為認知夥伴，引發教學與評量體系系統性重構
隨著AI技術從單一工具進化為參與學習全過程的認知夥伴，全球教育正進入系統性重構的新階段 [1]。教育領域正透過AI技術實現教學、評量與角色轉型的深層變革，並在產業端展現出內容與技術雙輪驅動的發展趨勢 [2][5]。
edtechaiassessment
AI tutoring5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年8月26日
從基礎設施到數位鏈結：網路攻擊正深入實體生產與營運技術環境
網路攻擊目標已從傳統辦公資訊系統轉向影響民生的營運技術（OT）環境 [1]。這對高度自動化的科技製造業構成重大威脅，攻擊者可能透過資訊系統滲透進生產設備 [1]。
cybersecurityotmanufacturing
cybersecurity and consumer electronics2 個來源
Discovery2026年8月26日
2026年AI Agent技術演進：從自動化開發工具到企業級語音應用之全面觀察
AI Agent 正從開發端的自動化編碼工具擴展至企業端的語音商業應用 [1][2]。同時，AI 輔助生成的內容也開始對學校與地方政府等公共機構造成行政壓力 [3]。
edtechaiassessment
AI agents3 個來源
誰會信任 AI 的情感支持？大型語言模型情感應用中的信任形成與社會人口統計差異研究
本研究開發了評估情感 AI 信任的量表，並發現用戶對 AI 的信任與使用邏輯會隨性別、年齡及社會經濟地位而異。
arXiv - Human-Computer Interaction
聲音的不確定感：探索聲化技術在不確定性視覺化中的情感表達
本研究透過共同設計法，探討如何利用聲化技術在不確定性視覺化中傳達特定的情感特質。
arXiv - Human-Computer Interaction
OneEmo：用於情緒感知、理解與互動的統一多模態推理模型
開發出 OneEmo 模型，透過統一的多模態訓練與強化學習策略，實現情緒感知、理解與互動的整合能力。
arXiv - Human-Computer Interaction
協作問題解決過程中認識情緒的有序網絡分析
本研究利用有序網絡分析揭示了協作過程中認識情緒的持續與轉移模式，並發現不同報告方法與解題速度會影響情緒結構。
arXiv - Computers and Society
機器能言卻不能聽：設計情感模式與人機溝通中的表達與感知不對稱性
研究發現機器能有效引發人類情緒，但人類的情緒反應卻難以透過生理指標被機器準確感知。
arXiv - Human-Computer Interaction
PeakFlow：基於峰值引導之粗到精細建模，用於 EEG 動態情緒軌跡預測
提出 PeakFlow 框架，透過粗到精細的兩階段建模，解決 EEG 情緒預測中峰值時間偏移與強度偏差的問題。
arXiv - Human-Computer Interaction
感性視覺化設計：設計師如何將情感融入視覺化作品
本研究透過訪談揭示設計師如何透過數據、設計與受眾三個面向，將情感功能融入視覺化設計的過程與策略。
arXiv - Human-Computer Interaction
量化情感差距：大型語言模型在細粒度情緒分類任務中的零樣本評估
本研究評估了三大頂尖 LLM 在 13 種細粒度情緒分類任務中的表現，發現模型在處理複雜情緒時存在顯著侷限。
arXiv - Human-Computer Interaction
期待同理心：互動情境如何形塑數位溝通中的同理回應規範
研究發現「壓力下的決策支持」情境需要高同理心與高工具性（實用性）的非對稱回應模式。
arXiv - Human-Computer Interaction
評估主動式對話代理人中的多模態情緒識別研究
研究發現與 AI 對話時視覺表情易出現「撲克臉」偏差，語義分析在情緒識別上比視覺辨識更可靠。
arXiv - Human-Computer Interaction
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。