教育科技研究速報

提出三元循環框架，將AI共同主持直播中的三方互動視為持續雙向調整，並以策略性失配維持參與。

CentaurTA Studio 透過人機協作與自我優化，提升主題分析的準確度與效率，達到92%準確率並縮短迭代時間至25分鐘。

提出 InsideOut 基準與代理人框架，量化並有效減少大型語言模型在跨文化面試腳本生成中的內部者偏差。

研究顯示陰謀論者在不同 Reddit 社群中語言特徵可被辨識，且需針對性介入。

利用大型語言模型計算的 Evidence–Minus–Intuition 分數，證明議會語篇的證據導向與民主協商、治理透明度正相關。

提出 ReTAS 透過辯證思考與多代理互評，減少自我反思與互評間的行動者-觀察者偏差，提升錯誤歸因一致性與故障解決率

提出「創新環帶」概念，說明開放與商業元資料之間的生產效率與治理平衡，並探討 AI 如何改變此結構。

本研究比較傳統電腦視覺模型與 GPT‑4o 在 2021 年德國聯邦選舉 Instagram 內容中辨識政治人物與人數的效能，證明多模態 LLM 在視覺政治傳播分析上具備更高準確度。

利用歐盟數位服務法透明度資料庫，研究顯示2024歐洲議會選舉期間，八大社交平台自報審核行為未顯著調整，凸顯自律機制局限與資料存取問題。

本研究開發了強調學習與情感支持而非直接生成代碼的 Ceci IDE，並初步驗證其在新手程式設計中的成效。

研究顯示歐盟隱私法能顯著降低網路追蹤，且不互動 cookie banner 可進一步減少追蹤。

提出批次自適應抽樣方法，透過最小化雙重強健估計器的方差，提升缺失結果的平均處理效應估計效率。