教育科技研究速報

本文推出首個針對 Word、Excel 與 PowerPoint 原生格式進行綜合理解力評估的公開基準測試 OCB。

研究發現人機協作的成效取決於個人的特質（如好奇心與謙遜），而非單純的認知能力或 AI 模型性能。

研究發現使用者持續使用 AI 的核心動機在於提升個人自主權的感知，而非僅基於對系統準確性的信任。

本文綜述了全球 AI 法規趨勢、風險類型及評估方法論，並指出當前研究在風險管理上的缺口。

本文透過數位人文方法探討 AI 時代知識價值的轉變，提倡從傳統知識觀轉向「生成性」價值框架。

開發了一款利用 LLM 自我修復技術的瀏覽器擴充功能，讓研究者能直接在社群平台進行低門檻的數據收集與標註。

本文主張大學應從防禦性的 AI 檢測轉向積極的 AI 整合，透過重塑評量與提升 AI 素養來促進學生自主學習。

本文探討 AI 基準測試因模型性能飽和而面臨的信號衰減問題，並指出高品質評估依賴稀缺的專家判斷。

研究提出將 AI 監督從「對抗式辯論」轉向「協作式尋求真相」的新範式，顯著提升了非專家模型的判斷準確度。

本文提出一個以人為中心的框架，旨在解決 AI 社會技術對齊中缺乏明確規範定義與理論基礎的問題。

本文提出一套審計框架，旨在應對 LLM 產出的偽理性認知風險，並將 AI 生成內容回歸至可驗證的實務流程。

本研究評估多種 LLM 在離散數學考試評分中的表現，發現採用「寬鬆型」提示詞能有效提升評分準確度。