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
以口頭程式碼審查與翻轉課堂對抗 CS1 中生成式 AI 的危害
透過每週口頭程式碼審查與翻轉課堂，評估並減緩學生使用大型語言模型的負面影響，觀察其對考試成績的影響
arXiv - Human-Computer Interaction
看似微小設計錯誤引發職場 AI 事故的隱秘路徑
發現工作場所 AI 事故多因工作者與 AI 需求不符，83% 由此產生，並指出開發者過度追求效率是主要原因。
arXiv - Human-Computer Interaction
CandorMD：AI輔助音頻模擬與回饋系統，訓練醫師進行醫療錯誤披露
開發 AI 驅動的模擬平台，提供即時練習與個別化回饋，提升醫師在醫療錯誤披露對話中的自信與技巧。
arXiv - Human-Computer Interaction
PrivacyAkinator：透過 LLM 生成選擇題協助開發者明確隱私設計決策
開發出 PrivacyAkinator 工具，利用 LLM 生成問題協助新手開發者更快速且精準地識別隱私設計決策。
arXiv - Human-Computer Interaction
多重慢性病患者科技原型開發中的參與挑戰
研究透過 MyCareCompass 兩個月試點，揭示患者工作量與能力平衡對數位工具採用與持續使用的關鍵影響，並提出三項實作教訓。
arXiv - Human-Computer Interaction
生成式 AI 的可驗證來源與水印：國際作戰法與國內法院的證據框架
提出統一證據框架，結合加密來源與水印，為國際法、國內程序及歐盟 AI 法規提供可驗證生成式 AI 內容檢測標準。
arXiv - Computers and Society
網路醫療大型語言模型的幻覺與濫用
對 6,233 個 MedGPT 進行大規模評估，發現 25-30% 低事實準確度、33.6-54.3% 違規，並釋出 HAA-MedGPT 資料集。
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。