教育科技研究速報

本研究探討群眾外包視訊眼動追蹤的數據品質，發現行為與技術因素能有效預測數據品質。

研究發現前沿大型語言模型在人格特質上呈現高度趨同，皆傾向於系統化、分析型且中立的助手行為。

本研究定義了學生模擬任務，並透過多維度指標證明單純依靠提示工程的模擬學生表現不佳，需透過微調優化。

研究發現即便隱去姓名，LLM 仍能透過語言與興趣等微小標記推斷族裔與性別，並產生系統性招聘偏見。

本文提出沉浸式影片中的自我體驗並非基於身體擁有感，而是以「自我定位」為核心的空間定位狀態。

本研究發現 Stack Overflow 程式碼品質受地理與社會經濟因素影響，且不同技術成熟度的地區存在不同的錯誤模式。

研究發現透過 LLM 模擬進行練習，需經歷三次關鍵的注意力轉移，才能有效提升年輕人公開介入網路霸凌的能力。

研究提出道德敏感度指數（MSI）來量化 LLM 的偏見，並發現推理蒸餾過程可能重新引入偏見。

本文指出生成式 AI 的安全研究過於關注惡意用途，卻忽略了認知退化與心理健康等深層風險。

利用大型語言模型，透過少量示例文件的語義指引，動態調整文本嵌入投影空間，提升視覺分析的語義對齊度與可解釋性。

代理式 AI 透過主動執行工作，減少常規互動但需更多解釋，以維持使用者信任與自主性。

提出 AI 專家雙生框架，透過結構化建模專家的隱性知識與決策過程，推動可擴展的實作式學習。