教育科技研究速報

研究發現即使 GPT‑4.1 也只能以 57.4% 的準確率預測新加坡不同族群的價值偏好，透過結構化微調可提升 17.4% 但同時擴大族群差距。

建立分類器與實驗證明可在網路政治討論中測量並提升知識謙遜。

本文指出深度偽造即使不造成實際傷害，也因侵害個人對自身圖像與身份的合法權威而構成錯誤。

全球審查推特仇恨言論顯示80%仍存，技術可行但資源配置決定成效

本文提出 BiasIG 基準測試，透過多維度分類與自動化評估流程，量化並診斷文本生成圖像模型中的社會偏見。

設計一個以課程為導向、檢索增強的 Python AI 課程助教，透過提示與蘇格拉底式提問，促進學生概念理解與除錯，減少直接複製完整解答。

研究發現 DALL-E 3 與 Gemini 在生成不同國籍人物圖像時，存在過度使用傳統服飾的刻板印象偏見。

本研究透過分析中學生對 AI 角色的認知，提出一套將 AI 視為動態認知夥伴的類型學，區分了認知延伸與認知卸載的界線。

本研究探討巴西 K-12 教師對生成式 AI 的認知，發現其雖有高度教學應用興趣，卻面臨技術素養不足與基礎設施匱乏的挑戰。

研究發現 LLM 代理在多輪辯論中會產生「共識漂移」，且其集體行為受結構影響與模型偏見交織影響。

本文提出對話式 AI 可能透過引發「本體論失調」與「雙重束縛」，導致易感使用者產生類精神分裂的幻覺經驗。

提出一種將學生程式開發過程轉化為對話格式的新方法，訓練出能精準模擬學生除錯行為的開源 AI 模型。