Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
結構化與問題化：LLM 代理如何支撐診斷推理學習的鷹架設計
本研究探討 LLM 代理透過「結構化」與「問題化」兩種鷹架策略，對藥劑技術員診斷推理能力的影響。
arXiv - Human-Computer Interaction
探究存在感中斷（BIP）：VR 使用者經驗的現象學研究
本研究透過微現象學方法，揭示了 VR 使用者在經歷存在感中斷（BIP）時的四種動態心理與行為模式。
arXiv - Human-Computer Interaction
對神經認知障礙篩檢的對話式 AI 未來展望：多方觀點
通過多方訪談，揭示對話式 AI 在神經認知障礙篩檢中的社會可接受性、使用者需求與設計衝突，並提出實務設計建議
arXiv - Human-Computer Interaction
LLM如何解讀圖表？人類與LLM在高階視覺化理解的比較研究
研究發現LLM在解讀圖表時偏好結構化列舉，而人類則傾向於趨勢敘事，顯示兩者理解機制不同。
arXiv - Human-Computer Interaction
Omakase：為科學研究項目提供主動式協助與可行建議
Omakase 透過監控研究文件，主動生成適時查詢並將長篇報告濃縮為可行建議，顯著提升研究者的工作效率。
arXiv - Human-Computer Interaction
多尺度供應鏈流動可視化的語義縮放與邊緣捆綁
提出一套多尺度可視化儀表板，結合語義縮放與骨架式邊緣捆綁，提升供應鏈流動的可解讀性與可操作性。
arXiv - Human-Computer Interaction
TeamLLM：探索大型語言模型在多模態團隊互動預測中的能力
研究證實 LLM 能透過多模態感測數據有效預測團隊協作行為，在對話預測上表現優於傳統模型。
arXiv - Human-Computer Interaction
Grokipedia 與 Wikipedia 有多相似？多維比較
本研究比較 Grokipedia 與 Wikipedia 17,790 篇文章，發現 Grokipedia 文字更長、引用更少，且在政治偏見與主題分布上呈現兩大群組差異。
arXiv - Computers and Society
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。