教育科技研究速報

研究發現傳統的記憶問答準確率與用戶滿意度無關，真正的關鍵在於 AI 能否將過往資訊自然地融入對話中。

本文指出當前 AI 代理人的開發模式正削弱人類的監督能力與認知技能，呼籲應將人類監督的需求置於與 AI 能力同等重要的地位。

研究探討長輩使用 LLM 時，年輕家庭成員如何提供支持，以及在 AI 運作順暢時，支持者難以判斷何時介入的問題。

開發 Aura 框架，透過即時臉部表情感知情緒，動態調整 LLM 回應以提升學習效率與互動滿意度。

本文提出「歷史根據率 (HGR)」指標，用以量化並優化 AI 生成敘事中歷史證據與即時情境資訊的平衡比例。

研究探討用戶在自主定義與訓練個人化機器學習系統時，如何透過定義現象與數據來協商系統的本體論邊界。

研究發現 LLM 在處理衝突偏好時，其決策行為會隨權限分配方式（使用者保留或委託模型）而產生顯著差異。

開發了一款網頁工具，讓視力正常者能為 3D 列印觸覺地圖添加點字標籤，將抽象形狀轉化為具備語義的地點。

本文提出「技術照護」框架，將高齡者數位生活支持從單純的 IT 支援轉向關係導向的持續性照護模式。

研究挑戰了標註分歧僅是隨機噪音的觀點，提出標註共識受目標構念的抽象程度所影響。

本研究提出一個結合古典詩歌與生成式 AI 的設計框架，透過多模態代理系統提供具備文化底蘊的情感支持。

提出「勞工驅動的 AI 測量」方法，讓專業工作者主導定義 AI 增強工作的成功標準與評估指標。