教育科技研究速報

本文綜述了全球 AI 法規趨勢、風險類型及評估方法論，並指出當前研究在風險管理上的缺口。

探討高等教育機構面臨日益嚴峻的網路安全威脅，並強調建立網路韌性的緊迫性。

本文探討 Canvas LMS 因勒索軟體攻擊導致服務中斷後，高等教育機構如何應對關鍵數位服務失效時的教學持續性挑戰。

本文探討 Canvas LMS 發生大規模資料外洩事件後，高等教育機構應如何應對供應商風險與資訊安全管理。

本文提出「治理倒置假說」，指出過度繁瑣的 AI 監管可能削弱組織對技術系統的實際操作控制力。

本文指出現行評估標準無法應對開放權重模型的風險，並提出四種應對不同風險層級的比例評估框架。

研究發現開發者在應對代理型 AI 風險時，面臨著功能效能與風險控制之間的權衡困境。

本文提出「AI 殘骸」概念，探討 AI 系統停用後仍存在的社會技術風險，並提供治理協議。

提出一種風險感知的部分可觀測馬可夫決策模型，利用人口、土地使用與就業資料預估需求，並在25個城市中證明其能在五年內改善53.6%的缺口，優於靜態優化。

本文探討了一種新的風險限制審計（RLA）方法，透過檢視選票紀錄與實際投票結果的差異，簡化審計流程並擴大適用範圍。

本研究評估了 12 家 AI 公司提出的前沿 AI 安全框架，發現其在風險識別、分析、治理等方面普遍存在不足，作為問責機制仍有待加強。

本研究試圖估算資料外洩對受害者的實際社會成本，包含直接財務損失及身心健康影響，並與企業自身承擔的成本進行比較。