教育科技研究速報

本文以 Paulo Freire 的解放教育理論為基礎，探討如何設計能抵抗權威控制並促進解放的信息獲取平台。

本研究探討了大型語言模型（LLM）為基礎的自動評分系統，在面對與評量構念無關的因素時的穩健性，結果顯示其在一定程度上具有抵抗力。

本研究探討了在教育推薦系統中，不同說明格式（視覺化與文字化）如何影響使用者對系統的信任、透明度與滿意度，並考量了個人特質的影響。

本研究透過系統性調整提示工程的三個面向，探討如何提升大型語言模型在社會科學文本分類上的準確性，並揭示模型效能的異質性。

本研究揭示大型語言模型在數學問題中可能傳播有害內容，並提出SafeMath技術，在不犧牲準確性的前提下提升模型安全性。

本研究利用眼動追蹤技術，揭示了人類在成對 AI 圖像評估時的認知過程，發現視線模式能預測偏好選擇與信心程度。

本研究分析 Reddit 社群中不同群體（學生、教師、混合群體）對生成式 AI 在高中教育中的討論，揭示了其在學習、學術誠信和情感影響方面的差異。

本研究透過分析自認自閉症用戶的社群媒體貼文，探討 ChatGPT 作為認知支撐工具的雙面性，揭示其在協助自閉症用戶的同時，也存在潛在的風險。

本研究提出資料提示協同演化概念，透過互動系統讓開發者迭代優化提示詞，並藉由不斷擴充的測試集，提升大型語言模型（LLM）的效能與可靠性。

本研究比較了AI大型語言模型與人類在線上心理健康社群的回應，發現AI更具結構性，但缺乏人類互動中的語言多樣性和個人敘事。

本文提出一種名為正向優先模糊性優先（PF-MA）的主動學習準則，旨在解決在稀有類別的互動式視覺檢索中，類別不平衡和低預算等問題。

本研究探討性別相關的溝通方式如何影響 LLM 輔助的程式設計與程式碼審查，發現 LLM 評估階段存在性別偏見。