教育科技研究速報

透過代理人模擬，證實平台架構決定推薦算法對資訊傳播與品質的影響，架構越靈活算法效應越大，架構越受限則效應最小。

本文將代理工具的信任校準問題轉化為偏好學習，利用高斯過程分類與不確定性導向查詢，實現自動化與人類審核的最優分離。

本文探討代表個人知識與風格的「雙生代理人」在面對信任校準時，因模糊人機邊界而產生的獨特挑戰。

本文提出將生成式 AI 從單純的決策支持工具，轉型為如同陶土般的「主動創意媒介」，並建立 SOSS 互動框架。

提出一套可重現的多模態資料收集協議，結合眼動、可穿戴生理、音訊、視訊與自評，為小組互動研究提供統一時間線與標準化輸出。

提出「故事考古學」概念，讓作者透過結構化的故事節拍（Beats）而非單純文字生成，來掌握 AI 協作寫作的主導權。

研究探討部分重用預設儀表板風格與佈局，並提出 ReDash 工具驗證其對設計流程的支持

研究發現，技能規範缺乏實例說明，導致使用者難以預期輸入輸出，建議將規範視為使用者面向的能力披露。

研究證實在說服性折線圖中加入護欄能提升使用者信任、判斷準確度與對背景資訊的完整感。

本文提出教師與學生在即時配對過程中分配控制權的設計空間，並給出從前期到後期逐步提升學生自主性的實務建議。

研究比較人類與大型語言模型在美感評估中的情緒與內感差異，揭示AI在內感方面的局限，對人機對齊提出挑戰。

提出 OmniGUI 基準，評估多模態手機 GUI 代理人，發現現有模型在同步音訊與視訊任務上表現顯著下降。