教育科技研究速報

本研究發表了首個大規模自然資料集ADAS-TO，旨在研究駕駛者在自動駕駛輔助系統（ADAS）期間的手動接管行為，並揭示了早期預警的潛力。

本研究探討了AI在與青少年互動時應負有的責任，並強調擬人化設計在降低風險、促進青少年自主性和技能發展方面的作用。

本研究提出MindfulAgents，一個由大型語言模型驅動的多重代理系統，能根據專家建立的正念框架，提供個人化的冥想體驗，並顯著提升使用者參與度與自我覺察。

本文提出一種「符號動畫」的互動範式，讓使用者透過繪製高階符號來指示動畫動作，並利用自動化方法（如生成式AI）生成動畫關鍵影格。

本研究透過隨機對照實驗，探討人工智慧輔助對詩作閱讀理解與享受度的影響，發現少量AI輔助能提升表現與樂趣。

本文提出一個開放且跨運動的平台，能將追蹤數據轉化為可比較的空間衡量指標，適用於終極飛盤、籃球和足球等運動。

本研究透過調查發現，多數專業視覺藝術家強烈反對使用生成式AI，並透過各種拒絕策略在工作場所中協商其應用，且生成式AI對其工作環境產生負面影響。

本研究創建了SPOT，一個法文語料庫，旨在透過自然語言處理技術，辨識線上對話中干預討論進程的關鍵介入點。

本研究提出 CINEMAE 架構，利用遮罩自動編碼器重建圖像時的上下文合理性，以及其編碼器提取的語義特徵，以更準確地偵測 AI 生成圖像。

本研究提出一個基於貝氏說服理論的框架，用於評估和訓練大型語言模型（LLM）作為策略性說服者，並發現LLM能有效提升說服力。

本研究探討 AI 標籤對使用者辨識 AI 生成圖像不實訊息的影響，發現標籤雖能降低對 AI 生成假圖的信任，但也可能導致過度依賴，反而更容易受人造圖像的誤導。

本研究提出 Llama-Mob，一種透過指令微調的大型語言模型，在城市規模的長期移動性預測任務中表現優異，並具備良好的零樣本泛化能力。