教育科技研究速報

提出 ARLtR 框架，透過自動化方式結合知識圖譜與文本檢索，生成具備事實根據的問答對與數據集。

本文提出「人工摩擦性失業」概念，揭示自動化招聘系統因語義誤判導致合格人才被錯誤篩選的機制。

研究者開發了 SCALEFeedback 數據集，透過 SAM 框架生成大規模合成電腦科學作業，以推動自動化教育回饋的研究。

本研究提出 DeanLLM 框架，透過 16 個維度自動評估 LLM 導師回饋的品質、教育成效與幻覺風險。

本研究證實透過認知分類法與結構化提示詞，LLM 能有效輔助評分 Linux 指令作業，但複雜度越高準確度越低。

提出一種名為 Copewell 的多代理人系統，透過多源數據評估與情緒映射技術，提供公平且具即時性的心理健康支持。

研究發現與代表對立政黨立場的 AI 聊天機器人對話，能有效修正政治偏見並降低跨黨派敵意。

研究提出 SPLIT 基準測試，揭示 LLM 在處理低資源語言（烏克蘭文）的情感支持時，存在文化根植性不足與性能下降的問題。

本文推出首個針對 Word、Excel 與 PowerPoint 原生格式進行綜合理解力評估的公開基準測試 OCB。

研究發現使用者持續使用 AI 的核心動機在於提升個人自主權的感知，而非僅基於對系統準確性的信任。

本文透過分析近四千篇文獻，提出開源軟體（OSS）的十四種子類型分類，強調研究結果不應盲目推廣至所有開源模式。

開發了一款利用 LLM 自我修復技術的瀏覽器擴充功能，讓研究者能直接在社群平台進行低門檻的數據收集與標註。