教育科技研究速報

研究發現文本嵌入能精準模擬題目參數，但因維度間高度共線性會導致測量不確定性大幅增加。

本文推出首個以學習者特質為基準的教學影片生成測試，揭示現有 AI 在教學適應性上的不足。

本研究開發了一種利用智慧型手機感測器與因果 LSTM 模型，實現即時滑雪技術分析與傷害預防的低成本方案。

研究發現現有大型語言模型在醫療對話中缺乏穩定且可靠的社會溝通技能，難以勝任醫療顧問角色。

研究透過訪談專業從業者，指出現行 AI 安全評估缺乏實務真實性，並提出應納入專家觀點的改進建議。

本研究證實 LLM 可作為程式考試難度的輔助證據，協助校準平行班級間的評量公平性。

本文提出一個基於證據中心設計（ECD）的框架，指導教師在 STEM 評量中如何根據學習目標決定對 GenAI 的治理策略。

本文針對社交機器人開發者面臨的模型選擇困境，提出了五大評估維度與三層式評估漏斗範式。

本研究推出 DREAMS 資料集，透過臉部影片分析使用者在不同刺激下的參與度與注意力狀態及其關聯性。

本文主張將數據標註從單純的「一致性檢查」轉向「測量理論」框架，以系統性診斷並解決標註問題。

透過將學生隨機分為兩組並錯開作業截止日期，有效緩解了教學資源壓力且未影響學習成效。

提出一種透過參考標準解答來自動生成自動評分器的新方法，提升編寫程式練習題的效率與準確性。