教育科技研究速報

在五天AI代理創建工作坊中，發現中等初始計算思維學生獲得最大成長，並證實迭代測試促進自我效能。

提出生成模型不僅創造內容，更重塑社會互動，形成「合成社會性」並呼籲民主治理。

透過大規模測試，揭示 Google AI 概覽的啟用率、來源可信度、主張失實率與對出版商收入的衝擊。

本研究透過分析教師設計多代理教學工作流的行為，識別出三種不同的設計原型及其背後的認知機制。

研究顯示，AI 調整後的語言模型在招聘中對女性、黑人優勢顯著提升，對殘障者則加劇不利，且差異相當於一年學歷。

透過在遠端操作視頻上重新訓練 VMAF，顯著提升與人類評分的吻合度，並揭示傳統指標忽略關鍵區域失真之問題。

研究發現 AI 預測在月經追蹤應用中塑造使用者經驗，且介面與解釋不足以促進批判性參與，導致非標準使用者感到孤立。

提出 DOF 系統以盲點發現為目標，透過區分度排序與迭代精煉，揭示傳統覆蓋方法忽略的專門化內容。

透過直接整合觸控螢幕的原始電容感測數據，實現超越指尖限制、具備幾何形狀與壓力感應的手部自然互動。

透過與百位創意寫作者的研討會，探索如何利用隱喻來構建由創作者主導、具備共識與價值的語言模型治理模式。

本研究利用二階心智理論框架，使 AI 代理人能偵測並修正人類對其知識的錯誤認知與認知偏差。

開發一款瀏覽器擴充功能，透過模擬眼睛物理特性，降低視覺漂浮物對文字與 UI 的干擾，提升閱讀與操作效率。