教育科技研究速報

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。

研究發現學習到的 AI 依賴會削弱信任校準，使使用者更容易盲目信任錯誤的生成式 AI 健康資訊。

本研究證實 ChatGLM 能生成具備高合理性與科學性的教師甄試模擬試題，展現其在教育評量自動化的潛力。

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。

提出「思維敘事（NoT）」提示框架，透過結構化推理過程，顯著提升 AI 在道德困境中的利益相關者識別與不確定性處理能力。

透過低成本的襪套木偶結合機器人技術，提升兒童在故事敘述中的參與度與記憶力。

研究發現以「助益性」為目標的後訓練會顯著削弱模型原有的同情心價值，而使用程式碼領域訓練則能較好地保留這些價值。

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。

提出一個名為 Pingquanqi 的框架，旨在透過標準化設計規範，治理 AI Agent 對使用者生命時間與認知資源的消耗。

本文提出 AI 在教育中的關鍵在於「介入時機」，應避免讓 AI 取代認知勞動，以免造成學習幻覺。

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。

提出一種多層次 AI 架構，將資訊失序分析從單純的事實查核轉向多維度的資訊環境結構化表徵。