教育科技研究速報

研究發現學生如何與 AI 互動（主動且批判性參與）比其背景特質更能決定 AI 輔助學習的效果。

本文探討在視覺化課程中管理生成式 AI 使用的經驗，指出 AI 雖能提升作品品質，卻也可能導致學習路徑偏離與設計同質化。

本研究分析學生與 ChatGPT 的對話，發現不同回應風格對學習成效有顯著影響，且效果取決於學習情境。

本研究分析美國新聞媒體對 ChatGPT 在高等教育應用之論述演變，發現媒體過度關注制度回應而非長期社會影響。

本研究分析了學術期刊中 AI 使用聲明，發現 AI 主要用於提升可讀性與語法檢查等低階認知任務。

本研究分析學生如何透過自然語言註解引導 AI 生成程式碼，並提出描述規範的三維分類法。

研究提出 Gauntlet 框架，透過多代理人協作與對抗式合成，在技術論文的深度批判能力上超越了人類研究員。

本研究透過概念圖分析大學生對生成式 AI 的認知結構，發現其知識多停留在表面層次。

提出 FORAP 框架與 14 個專案包，旨在降低教師負擔並解決學生在計算機教育中實施 PjBL 的技術障礙。

本研究提出利用 LLM 生成情境化設計問題，有效彌補傳統專題評估難以捕捉高階思考與知識遷移能力的不足。

研究證實透過虛擬麵包板技術進行遠端 FPGA 實驗，能有效轉化實作課程並提升學生符合產業需求的模擬驗證技能。

本文介紹了一種透過虛擬麵包板介面遠端存取實體 FPGA 硬體板的教學方案，以解決遠距教學中的硬體實驗挑戰。