教育科技研究速報

本文提出一種透過參與式故事分享，將日常經驗融入學習過程的體驗式人工智慧素養教學法，以提升學習者對 AI 在實際工作流程中的理解。

本研究探討了使用者在生成式 3D 建模工具中如何學習、求助，以及生成式 AI 如何重塑學習過程，強調了新的入門方式與 AI 對 AI 的輔助。

研究表明，人們若相信 AI 能預測其行為，可能會主動限制自身決策，甚至放棄保證的獎勵，顯示 AI 影響決策方式，不僅是決策內容。

本研究探討遊戲如何作為可解釋介面，透過互動建構解釋，並重新組織玩家的能動性，從直接控制轉向解釋性推理。

本研究探討了在生成式 AI 輔助下，新手程式設計師可能產生的「認知債」，並提出透過元認知腳本來減緩此問題的解決方案。

本研究透過隨機對照實驗發現，針對法律學生的生成式 AI 培訓能有效提升其使用效率，並改善分析結果的準確性。

本研究探討如何預測大型語言模型（LLM）在自動評分時的準確性，旨在實現選擇性自動化，將高信度預測自動處理，並將不確定案例標記給人工審查。

本研究展示了 Kwame 2.0，一個在非洲 SuaCode 課程中部署的雙語生成式 AI 助教，透過人機協作模式提供高品質且及時的學習支援。

本文建立一個框架，評估任務自動化的最佳程度，發現完全自動化並非總是成本最低，部分自動化通常更具優勢。

本研究揭示大型語言模型（LLM）中 em 破折號的過度使用，源於其在 Markdown 格式訓練資料中的結構性遺留，並透過實驗驗證了其抑制與模型微調程序的關聯。

本研究探討科技領域學生對 AI 風險的認知，發現風險感知與採用意願呈反比，並強調差異化 AI 素養策略的重要性。

本研究探討了電腦科學課堂中不同角色（教師、助教、學生）對學術不誠實的理解差異，以及背後動機的看法。