教育科技研究速報

本文探討了有效學習策略（如檢索、間隔與交錯練習）因其認知負荷較高，往往比直覺上較容易但低效的策略更具挑戰性。

本研究利用穿戴式設備結合 EEG 與 HRV 數據，開發出高精準度的認知負荷即時監測模型。

本研究探討不同 AI 互動模式（導師、協作者、解題者）對高中生行為指標與腦電波活動的影響。

研究發現 LLM 的普及正悄然改變科學文本的語言特性，特別是詞彙更迭率與複雜度指標間的關聯性。

提出 SGPO 框架，透過蒸餾可重複使用的「解題策略」而非單純模仿解題步驟，提升模型推理的泛化能力。

研究發現 VR 中的深度壓縮效應會導致使用者高估身體尺寸，進而影響對環境空間的感知與動作執行。

本文提出將複雜的結構化標註任務分解為子任務，以降低標註者的認知負荷並提升成本效率。

本研究探討提取練習與範例學習在知識遷移能力上的差異，並特別關注練習題目的重複性與多樣性之影響。

本文探討自發目標 AI 如何透過目標生成與自我邊界的建構，重新定義智能主體的本質與存在。

研究發現多代理 LLM 協商受隱藏的「內部信念（錨點）」驅動，這能解釋模型如何超越初始意見範圍達成更高準確度。

研究發現 LLM 指引雖能提升搜救效率，但會造成注意力分配轉移，且其效果受使用者專業程度調節。

本研究開發了一套利用生成式 AI 分析真實教學逐字稿的系統，證明培訓表現能有效預測導師在現實教學中的技能轉移。