教育科技研究速報

本研究透過訪談揭示了使用者在與 AI 建立情感連結時，面臨本體、結構與規範三種維度的不確定性挑戰。

研究證實單次 AI 聊天機器人對話能顯著降低失戀後的心理痛苦，且效果可持續至一個月。

研究提出 Red-Rec 系統，透過 AI 主動總結興趣並提供選項，協助使用者在目標模糊時突破重複內容的限制。

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。

研究提出 Deco 系統，透過雙重化身框架將實體物品的情感連結延伸至 AI 數位伴侶，提升使用者情感連結與福祉。

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。

本文提出將「詮釋不公」納入廣告投放框架，以解決僅關注資源分配而忽略內容理解與吸收偏差的問題。