教育科技研究速報

提出分段幂律模型捕捉新詞擴散的次指數增長，並在日文博客及多語言搜尋趨勢中驗證其普遍性

利用大型語言模型對德國議會移民辯論進行標註，揭示戰後團結向近十年反團結的轉變，並提出減少偏差的學習方法。

研究顯示口音差異影響聲音克隆的相似度與可懂度，且傳統嵌入距離未能捕捉此差異。

提出 Magic, Madness, Heaven, Sin 框架，將 LLM 輸出多樣性與任務目標連結，揭示跨背景的優化衝突。

提出以人為中心的弱訊號培育模型，透過風險強度與成長潛力坐標，動態追蹤前線風險訊號，促進管理決策與 AI 分析。

生成式 AI 使資料科學工作自動化，凸顯問題設計、倫理等人本核心，教育應聚焦此領域。

兩小時 AI 素養工作坊能顯著降低中學生對大型語言模型的盲目信任，提升提問與評估能力，改善科學問題解答品質。

提出無需訓練的LLM差分隱私合成方法，並配合即時驗證，實現教育資料共享的實用化

設計並實施以 BFS 為核心的 AI 課程，提升鄉村中學生在科學課程中的問題解決與 AI 理解。

本研究提出 StretchBot，一個結合多模式感知與知識圖譜的機器人教練，能根據使用者狀態和環境調整輔助引導，提升伸展運動的適應性。

本研究提出 HarassGuard，一個基於視訊語言模型的系統，能僅利用視覺輸入偵測社群虛擬實境中的肢體騷擾，兼顧隱私與準確性。

本研究透過模擬代理人評估對話式 AI，發現評分品質與問題發現呈現不同的規模效應，揭示了評估模型規模與評估效度的關聯。