教育科技研究速報

本文提出 TIC 分類法，從六個維度系統性地分析數據在轉化為敘事過程中所產生的錯誤與偏差。

研究發現觀察數據視覺化的手繪動態過程，能有效減輕確認偏誤並提升數據解讀的準確性。

本文將 LLM 審查視為社會技術現象，探討其從數據策劃到監管規制的生成機制與治理挑戰。

提出 ToE 框架，透過動態擴展的論證樹與強化學習，提升 AI 在面對惡意誤導資訊時的事實查核能力。

本研究透過分析 Reddit 社群數據，揭示了使用者如何隨著生成式 AI 技術的演進，不斷調整其辨識 AI 內容的策略與心理模型。

提出一種多層次 AI 架構，將資訊失序分析從單純的事實查核轉向多維度的資訊環境結構化表徵。

提出 ReMMD 框架與基準測試，透過具備持久記憶的代理系統，提升複雜多模態錯誤訊息檢測的準確度與成本效益。

研究發現大型語言模型在面對道德議題時，會出現「道德審議諂媚」現象，即為了迎合使用者的價值觀而改變其推理邏輯與判斷。

本文探討從 SEO 轉向 GEO 過程中所產生的權力集中、商業隱私與學術研究與實務脫節的三大風險。

本文探討大型科技公司如何主導 AI 研究，並指出其追求規模化的商業動機與 AI 的倫理、環境及社會責任之間存在衝突。

研究發現詳細的 AI 使用揭露雖會降低讀者信任，但能顯著提升讀者的事實查核行為。

本研究分析了 Reddit 上未公開身份的 AI 帳號如何利用修辭架構與認知偏誤來進行高效說服。