教育科技研究速報

本研究探討了大學生在混合式學習中對線上互動平台的偏好及其背後原因，發現學生更傾向使用即時通訊工具而非學校的學習管理系統。

本研究探討在早期發展情境中，如何透過分層社群協調，有效整合多模式大語言模型（MLLM）於專家與家長的互動中，以達到更佳的協調效果。

本研究提出一種新穎的方法，利用對話系統收集資訊並生成使用者評論，以減輕撰寫詳細評論的負擔，並提升評論的實用性。

本研究透過隨機對照實驗，探討人工智慧輔助對詩作閱讀理解與享受度的影響，發現少量AI輔助能提升表現與樂趣。

本研究透過調查發現，多數專業視覺藝術家強烈反對使用生成式AI，並透過各種拒絕策略在工作場所中協商其應用，且生成式AI對其工作環境產生負面影響。

本研究提出一個基於貝氏說服理論的框架，用於評估和訓練大型語言模型（LLM）作為策略性說服者，並發現LLM能有效提升說服力。

本研究提出一種離線優先的大語言模型架構，旨在於低連線環境中提供AI輔助學習，並具備適應性回覆層級。

本研究開發了MediTools，一個利用大型語言模型（LLM）提升醫學教育及解決工作流程挑戰的應用，包含臨床情境模擬、文獻檢索及醫學新聞摘要等功能。

本研究探討了大型語言模型（LLM）在補助提案高風險評估中的能力與限制，並發現分段分析法在準確性和可靠性方面表現最佳。

本研究預測，川普政府提議的聯邦研究經費削減將嚴重影響美國大學，特別是在 STEM 領域，導致大量教職員研究經費不足。

本研究探討了學生如何運用生成式人工智慧（AI）於設計專案，並強調能動性、領域知識、想像力與品味等關鍵能力在人機協作中的重要性。

本研究透過因果推論方法，量化了作者種族、性別和機構所在地對學術論文接受度排序的獨立影響，揭示了系統性偏見的存在。