教育科技研究速報

本研究提出女性健康基準（WHBench），旨在評估大型語言模型在女性健康領域的表現，揭示其在臨床準確性、安全性及公平性方面的不足。

本研究大規模審查 Gemini 2.5 Pro 多模態搜尋系統，發現其引用的影片佐證生成內容的可靠性存在問題，高達 3.7%-18.7% 的內容未獲影片支持。

本研究探討了在大型語言模型中模擬學生錯誤概念的策略，並發現不同模型在錯誤概念的獲取和運用上存在顯著差異。

本研究提出一個與歐洲共同語言參考框架(CEFR)對齊的Scratch專案評估框架，利用模糊C-Means聚類法自動評估程式技能，並提供個人化學習路徑的洞察。

本研究量化了大型語言模型在招聘決策中延續社會性別偏見的程度，並探討了提示工程作為減輕偏見的技術。

本文提出 SciVisAgentBench，一個用於評估科學數據分析與視覺化智能體的全面基準，旨在推動相關領域的發展。

本文提出一種結合主動推論與 PsyNet 平台的實用且統一的方法，能即時適應並優化實驗設計，適用於多種情境。

本研究比較了 AI 作為建議者與混合確認樹（HCT）兩種模式，發現 HCT 在多個領域中表現更佳，能有效提升人機協作的準確性。

本研究透過使用者研究，驗證了語意互動（SI）在提升敘事地圖意義建構效力上的作用，並發現地圖呈現方式優於時間軸。

本研究驗證了資料驅動的重新設計流程在不同教學單元上的通用性，即使在非針對性改善的單元中，也能提升學習成效。

本文提出「覆蓋品質 (QoC)」概念，透過多維度指標量化行動網路的效能、易用性與穩定性，以更精細的方式評估網路品質。

本研究透過隨機對照實驗發現，針對法律學生的生成式 AI 培訓能有效提升其使用效率，並改善分析結果的準確性。