教育科技研究速報

研究發現，結構性心理模型提升系統理解但同時導致更高語法錯誤，揭示使用者對 AI 產出的監督與信任關係的複雜性。

將環境智慧與數位人類結合，創造具情境感知、預測與跨裝置互動的互動代理。

本文建立框架量化LLM對人權問題的保留與非肯定行為，發現身份是主要驅動因素，並證實群體引導能有效減少偏差。

提出模組化 AI 平台，結合語音識別、翻譯、語音合成、情緒分類、對話摘要與手語渲染，實現即時多語可及教育於 XR。

研究揭示遷徙者在跨境過程中，ICT 非使用作為保護與排斥回應，並提出設計原則以預見此行為。

本文指出將人機互動稱為「parasocial」是誤用，並闡述正確理解人機關係的社會性與雙向性的重要性。

提出多代理框架，通過生成-驗證-修訂迭代，顯著提升 LLM 生成個人化數學題目的真實性與可解性。

研究揭示生成式 AI 在職場中因情境未被充分考量而失效，並提出以互動式實踐取代單純數據收集的設計策略。

本文提出 EduIllustrate 基準測試，評估大型語言模型生成 K-12 STEM 領域圖文並茂解釋的能力。

本研究探討利用 RAG 技術開發 AI 教學助理於碩士課程中，並驗證其在開放式考試中的學術有效性。

本文提出「漸進式認知外化」框架，解釋人類認知功能如何透過環境智慧與數位媒介的協同演化進行轉移。

提出一種結合教學結構與受限策略優化的新演算法，有效防止 AI 導師在強化學習過程中出現獎勵作弊現象。