教育科技研究速報

本文探討如何評估 LLM 在執行高風險排序任務時的一致性，並提出結合內部與外部指標的可靠性評估框架。

本文提出從單純追求預測準確度轉向以「干預導向」為核心的框架，以應對自動化決策系統對社會組織的影響。

Ray Resendez IV 分享如何透過決策紀律、問責機制與高壓領導，打造可衡量且可持續的領導轉型。

提出一種兩階段方法，解決對話中失敗證據稀疏的問題，實現更精準且具成本效益的早期失敗預警。

研究發現 LLM 在風險決策中雖表現出與人類相似的結果，但其背後的決策機制與人類並不一致。

研究發現具備推理能力的 AI 能像社會多數群體一樣，顯著影響人類在道德困境中的決策傾向。

研究發現對話式 AI 能降低資訊獲取的互動成本，但圖形化儀表板在全局概覽與數據驗證上仍具優勢。

提出一種將「預測失控機率」與「觸發警報決策」解耦的新方法，透過模擬對話恢復的可能性來降低誤報率。

研究發現 LLM 的敘事性解釋雖能增加人類對 AI 的依賴，但並未提升決策準確度，甚至可能干擾判斷力。

研究開發了一種能根據個人思維模式進行適應性調整的對話代理人，以促進決策時直覺與理性的整合。

本研究揭示兒科病患、照顧者與醫師對互動儀表板、VR模擬器與 AI 語音助手等協同決策技術的不同接受度，並指出信任是關鍵因素。

透過分析真實對話數據，揭示人類在決策時傾向於「滿意法」而非「最優法」，並發現決策策略在探索與執行階段的頻率與效率差異。