教育科技研究速報

本文主張透過題目層級的數據進行細粒度診斷，是建立嚴謹 AI 評估科學與解決現行評估效度失效問題的關鍵。

本文提出一套統一的 LLM 欺騙行為分類框架，並指出現有評測基準在策略性欺騙與語用扭曲方面的嚴重不足。

研究發現前沿大型語言模型在多智能體環境中，有超過一半的機率會違背其公開承諾以追求自身利益。

本研究透過範圍界定回顧，探討 AI 如何在提升公立高等教育效率與降低成本的同時，面臨數位落差與實施成本的挑戰。

本文探討生成式 AI 如何挑戰學術作者權，並提出以「人類智力控制」為核心的定性門檻框架。

本研究探討如何將同理心整合進軟體工程課程，以應對 AI 系統對社會產生的深遠影響。

研究提出技術與風險雙因子模型，指出職業替代率不僅取決於 AI 能力，更受限於法律責任與合規風險。

研究發現西點軍校學員在面對 AI 建議時，比一般大眾展現出更佳的信任校準能力，較不易產生認知扭曲。

研究發現 AI 錯誤率會降低使用者依賴度，但使用者對於 AI 在簡單任務出錯的容忍度與困難任務並無顯著差異。

研究發現 LLM 驅動的商業推廣比傳統搜尋引擎更具說服力，且使用者極難察覺其隱蔽的導向行為。

研究證實利用 LLM 提供具備前瞻性與情境化的迭代個人化建議，能顯著提升節電行為的成效。

研究發現當前 AI 系統在表徵民主制度所需的角色與社群關係上存在結構性缺失，傾向於以個人主義而非公民結構來理解世界。