教育科技研究速報

實驗顯示，行為支架化降低文件質量與產量，而將 AI 視為思考伙伴的認知支架化可提升高端文件質量，但效果受設計限制。

提出以符號學為基礎的評估框架，能更準確捕捉生成藝術的象徵與指示意義，提升評估與創作深度。

證明人類介入與自主代理協同可長期提升營銷互動

研究證明在隱私政策流程中加入輕量化教學干預，可提升使用者對條款的理解並提供可證實的同意證據。

研究顯示，雖然LLM可提升學生自信，但不同互動模式對學習成效與認知負荷影響不同，未來自我解釋模式最能對齊實際理解。

利用大型語言模型推斷拍攝時意圖，將隨機照片轉為結構化視覺筆記，提升學習者的理解與探索。

本研究探討 LLM 代理透過「結構化」與「問題化」兩種鷹架策略，對藥劑技術員診斷推理能力的影響。

本研究透過微現象學方法，揭示了 VR 使用者在經歷存在感中斷（BIP）時的四種動態心理與行為模式。

本研究透過為不同受眾量身打造視覺化藥物說明設計，成功提升了理解效率與可用性。

研究發現LLM在解讀圖表時偏好結構化列舉，而人類則傾向於趨勢敘事，顯示兩者理解機制不同。

AI與人協作時，人更易承擔責任，稱為AIHR效應

提出一套多尺度可視化儀表板，結合語義縮放與骨架式邊緣捆綁，提升供應鏈流動的可解讀性與可操作性。