教育科技研究速報

本研究探討了 AI 作為評估助手，透過提取結構化品質指標並與專家判斷對齊，以提升中國幼兒園教育評估的可及性與效率。

本文首次以大規模資料集系統化分析Telegram機器人功能、分類與社群特徵，揭示其正面應用與潛在惡意用途。

本研究提出 BeliefShift，一個針對多回合對話中大型語言模型（LLM）信念動態的基準測試，探討模型在長期互動中處理信念一致性、矛盾檢測和證據驅動修正的能力。

本文揭示大型語言模型在邏輯推理中需透過情境驅動的流形扭曲，並證明此幾何演化對模型性能具有因果關聯。

本研究透過迭代評估，改善無程式碼的自服務學習分析工具，提升非技術使用者建立客製化學習分析指標的能力。

探討德國中學生在 AI 辅助程式學習中的批判性思考、倫理觀與性別差異，揭示 AI 逆差與文化脈絡影響。

本研究提出一種集成專用LLM架構（ES-LLMS），透過規則基礎的協調器與可解釋的貝氏知識追蹤模型，提升適性輔導系統的可靠性、可控性與教學品質。

本文統計 177,436 個 AI 工具，揭示其功能分佈與高風險任務的快速增長。

本文提出MRATTS，一個基於混合實境的針灸治療教學框架，提供實時穴位偵測、評估標準及互動式視覺引導，提升學習成效。

本研究透過比較人類與機器人 NAO 呼喚姓名時的反應，量化自閉症及典型發展兒童的社交導向能力，以提升對自閉症的理解及機器人輔助評估工具的發展。

本文提出 RedTopic，一種透過情境化生成、聚合獎勵和多目標強化學習，提升大型語言模型紅隊測試主題多樣性的新框架。

本研究揭示了大型語言模型在性別推論時，即使在語境等價的情況下，其輸出結果也會出現系統性變化，違反了語境不變性的假設。