Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
將隱形可見：微表情可視化以增進社交互動中的同理心
本文提出將微表情可視化的概念框架，將難以察覺的情緒線索轉化為可感知的提示，並規劃初步實驗評估其對同理心體驗的影響。
arXiv - Human-Computer Interaction
作者回應關於 H 為人類與如何評估 HCI 質性研究的評論
作者針對先前文章的評論進行回應，澄清質性研究評估方法並強調人本視角的重要性
arXiv - Human-Computer Interaction
價值敏感式 AI 在祈禱中的應用：平衡人類與 AI 代理的靈性互動
研究發現 AI 介入祈禱時若過度主導，會削弱使用者的真實感與靈性連結，建議設計時應保留使用者的解釋性與自主性。
arXiv - Human-Computer Interaction
研究者在早期研究中使用 AI 工具時如何應對問責、透明度與信任問題
本研究透過出聲思考法探討研究者在使用 LLM 進行早期研究時，面臨問責、透明度與信任三大挑戰的實務現況。
arXiv - Computers and Society
透過大型語言模型實現低成本家庭音樂療法的民主化
開發一套利用大型語言模型將 EEG 與心血管數據轉化為可讀報告與個性化音樂建議的原型，實現家庭音樂療法的自動化與可解釋性。
arXiv - Human-Computer Interaction
大型語言模型對老年人道德判斷的反駁：認知卸載還是道德說服的脆弱性？
LLM 生成的反駁能改變 30% 以上老年人與年輕人道德判斷，且低認知功能者更易受影響，顯示 LLM 既可作認知卸載亦可能帶來說服風險。
arXiv - Human-Computer Interaction
無授權認知：大型語言模型與網路諮詢的道德秩序
研究顯示大型語言模型能辨識人類社群的道德動態，但在高共識的危險情境中，往往缺乏具體行動授權，呈現「無授權認知」模式。
arXiv - Computers and Society
在電子表格中審核與控制 AI 代理行為
Pista 讓使用者能即時監控並介入 AI 代理在電子表格中的決策，提升任務成效與使用者理解。
arXiv - Human-Computer Interaction
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。