教育科技研究速報

本研究探討了 AI 教學中能耗、延遲與學習效果之間的權衡，並提出「學習每瓦」（Learning-per-Watt）指標，以評估不同模型在真實部署環境下的效率。

本研究指出，傳統事實查核可能因受眾的知識體系不同而產生反效果，並提出一種考慮知識體系的修正方法，以減少反效果。

本研究開發並驗證了「FALCON-AI」量表，旨在評估高等教育教職員在教學、研究及服務面向的AI素養與能力。

本研究探討生成式 AI 在學術同儕審查流程中引發的公平性、責任與評估正當性問題，並提出相應的治理建議。

提出 ItinBench 基準，將路徑優化與語言推理結合，評估 LLM 在多認知維度下的表現，發現其難以同時處理多任務。

本研究提出 GuardEval 基準數據集及 GemmaGuard 模型，旨在提升大型語言模型在辨識隱含偏見、仇恨言論及安全問題方面的能力。

本研究透過分析使用者語音中的聲紋特徵，探索其作為衡量使用者體驗的替代方案，並發現語音特徵與使用者滿意度之間存在顯著關聯。

本研究發現，在 VR 演唱會重現中，抽象的生理訊號視覺化表現比真實的影像更能與原始現場觀眾的生理反應產生同步性，提升共感體驗。

本研究探討肌電圖（EMG）和超音波（UI）技術如何使控制音高的肌肉活動可見，以提升聲樂訓練的成效。

本研究探討在 VR 手語學習環境中，視覺注意力、影片重播頻率及回放觀看時間等行為投入指標與學習表現的關聯。

本文提出一個基於測量理論的框架，旨在系統性地評估人工智慧在全球不同文化環境中的文化智力，以應對生成式 AI 快速發展帶來的挑戰。

本文指出，現有AI安全評估多以西方環境為基礎，可能忽略非洲地區獨有的風險，並提出針對非洲環境的AI安全評估框架。