Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 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5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
多模態大型語言模型在配置器使用者介面可用性分析中的應用
本文證明多模態大型語言模型能自動化評估配置器介面，並提供具體可改進建議，顯著降低人力成本。
arXiv - Human-Computer Interaction
面向螢幕行為預測的架構敏感式監督微調：PiSAR 基準測試
對比零射擊基線與微調模型，證明高參數模型需更強微調或更多資料以提升螢幕行為預測精度
arXiv - Human-Computer Interaction
AI輔助教師學生回饋，獨立於成績發現孤立學習者
本研究提出 AI 透明決策層，結合學習困難、學生自評差異與教師關注，能在成績前即時排序課題，提升協同決策。
arXiv - Human-Computer Interaction
MetaRanker：人機互動式金屬透鏡影像品質排序
MetaRanker 透過人機互動，減少 80% 樣本需求，提升金屬透鏡影像品質排序與人類偏好一致性。
arXiv - Human-Computer Interaction
分析多模態大型語言模型代理在城市感知中生成解釋的角色效應
研究角色提示如何影響多模態LLM在城市感知任務中的生成說明，發現標題一致但理由因社會經濟屬性差異而變化。
arXiv - Human-Computer Interaction
代理式 AI 在愛因斯坦望遠鏡模擬資料分析中的首次對比研究
比較 Claude Code 與 Codex 在無人介入的愛因斯坦望遠鏡模擬資料分析流程中，發現速度、錯誤處理與結果品質差異，並揭示指令解讀對科學結論的影響。
arXiv - Human-Computer Interaction
基於領域知識的多目標 EEG 通道選擇框架，用於運動想像 BCI
提出多目標優化框架，結合空間相關性與功能辨識，提升 EEG 通道選擇與 MI BCI 分類準確率至 87%
arXiv - Human-Computer Interaction
標籤高於邏輯？來源提示如何偏差人類錯誤判斷，LLM 影響較小
研究發現，來源標籤對人類判斷邏輯謬誤影響大於LLM，顯示人類易受標籤偏差影響，LLM較為中立。
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。