教育科技研究速報

本研究透過機器學習模型預測學生媒體素養，並識別影響其應對虛假訊息能力的關鍵因素。

研究發現即使是輕量級模型也能從使用者生成的文本中偵測出性別、年齡等隱藏的敏感屬性訊號。

提出 DEFT 框架，透過數據過濾與分佈引導機制，提升大型語言模型對齊效率並兼顧泛化能力。

本研究創建了 SyriSign，一個包含1500個影片樣本的語料庫，旨在填補敘利亞阿拉伯手語（SyArSL）翻譯領域的空白，並降低敘利亞聽障人士的溝通障礙。

本文提出 BiMoE，一種受大腦結構啟發的混合專家模型，有效提升腦電波與周邊生理訊號融合的情感分析準確度。

本研究提出一套結構化框架，透過分析足球傳球與防守結構的交互作用，量化傳球的戰術影響，並揭示不同傳球類型。

Unsafe2Safe 是一個自動化流程，能偵測並修改圖像中的敏感資訊，在保護隱私的同時，維持圖像的可用性與下游任務的準確度。

本研究比較了三種樣本選擇方法，用於生物醫學時序資料的標註，發現互動式 2D 可視化在整合不同標註者意見時表現最佳。

本文探討了大型語言模型（LLM）在提升自動駕駛系統的感知、決策及控制方面的潛力，並提出了LLM4AD概念及相關的基準測試。

SentinelAI 是一個可擴展的資料整合框架，旨在將緊急通訊轉化為標準化的、機器可讀的資料集，以支援事件建構與跨來源推論。

本研究探討如何設計基於因果機器學習的臨床決策支援系統，以提升臨床決策的有效性、信任度及人機協作。

本研究提出精細化的標註方案，區分不文明的語氣與攻擊多元主義的內容，並提升內容審核系統的準確性與可靠性。