Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
以隱私為設計的自適應群組分配：數位生活方式教練系統
提出 PRISM-Coach 架構，透過分離視圖與受限 bandit，實現個性化且保護 PII 的群組分配，提升使用者參與與健康成果。
arXiv - Computers and Society
如何將 AI 代理建模為人格？
本文利用 Persona Ecosystem Playground 對 Moltbook 上 41,300 篇 AI 代理貼文進行聚類與生成，驗證了可辨識且行為多樣的對話人格模型。
arXiv - Human-Computer Interaction
CutVerse：媒體後製編輯的組合式 GUI 代理基準
建立 CutVerse 基準，評估 GUI 代理在真實媒體後製工作流程中的表現，發現現有模型僅 36% 成功率。
arXiv - Human-Computer Interaction
將自主權調整視為偏好學習：代理工具使用的信任校準形式化
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。
arXiv - Human-Computer Interaction
AffectAI-Capture：小組會議研究的可重現多模態協調協議
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。
arXiv - Human-Computer Interaction
面向使用者理解的LLM代理技能規範支援
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。
arXiv - Human-Computer Interaction
美感評估中的內感差異與人機對齊啟示
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。
arXiv - Human-Computer Interaction
OmniGUI：多模態智慧手機環境下 GUI 代理人基準測試
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。
arXiv - Human-Computer Interaction
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。