教育科技研究速報

本文提出「計算詮釋學」框架，主張將生成式 AI 視為處理情境、多元性與歧義的文化技術，而非僅是準確度工具。

研究開發了 RHINO-AR 系統，透過 AR 技術將機器人運作過程視覺化，提升博物館參觀者對機器人導航概念的理解。

研究證明結合數位孿生、空間錨定技術與 LLM 助手，能顯著提升民眾對永續規劃的資訊記憶與建設性回饋。

本文介紹並評估了一套為期 15 週的研究生課程，透過主動學習法強化學生在人機互動領域中處理可用隱私的能力。

本文透過解構生成式 AI 的組成要素，探討其運作機制與人類預期之間的落差，並強調教育研究者的角色。

本文提出 cc-self-train 系統，透過動態調整教學角色與適應性支架，有效提升學習者使用 AI 編碼工具的自我效能感。

提出「依賴協商框架 (RNF)」，將學生使用 LLM 的行為視為在多重因素影響下的動態協商過程。

研究發現教師設計的 Custom GPTs 能透過系統、敘事與代理感三個維度，有效提升學生的學習沉浸感。

本研究透過 AI 代理框架，探討早期互動模式如何預測學習表現與信任度，並識別學習者特徵。

本文介紹了一種將程式設計基礎與離散數學整合的創新課程模式，旨在應對生成式 AI 對傳統程式教育的挑戰。

本文提出「AI 藍圖（AI-Blueprints）」概念，為電腦科學課程提供結構化的 AI 技術整合框架與開放教育資源。

提出 MRGEN 框架，利用大型語言模型降低教師開發混合實境（MR）教學活動的技術門檻。