教育科技研究速報

本研究首次系統性地評估大型語言模型在教育領域的價值觀對齊程度，發現其偏好模式與人文教育原則高度一致，並在價值觀爭議領域展現出明確的立場。

本研究調查大學生使用AI工具的經驗，並探討他們對AI學習伴侶的接受度、益處及擔憂，以及其使用意願與傳統學習活動的關係。

本研究透過系統性文獻回顧，探討人工智慧如何強化成長駭客、精益啟動、設計思考及敏捷方法等實驗性方法，提升效率與適應性。

本文探討情緒AI在語言學習中如何影響學習者的情緒參與度、語用能力及互動素養，並指出AI聊天機器人作為學習工具的潛在優缺點。

本研究透過數學模型揭示，AI 文字偵測器在辨識學生寫作與 AI 生成文本時，因學生寫作風格的多元性，必然存在不可避免的誤判，且此問題非技術層面可解決。

本研究比較了不同程度 AI 輔助下產出的文獻回顧，揭示了 AI 在文獻回顧撰寫中潛在的偏誤與局限性，並提出了應對策略。

本研究提出並驗證了一個新框架，利用大型語言模型直接預測政治議題民意調查的結果分佈，並發現其準確性優於傳統的個體查詢方法。

本研究分析疫情期間身心障礙人士遠距工作的趨勢，發現職業結構是影響遠距工作機會的主要因素，緊縮的勞動市場則有助於提升其遠距工作的比例。

本研究挑戰了先前認為專家角色無法提升語言模型效能的結論，並指出原始研究設計存在多重結構性缺陷，導致結果失真。

本研究開發並驗證了「FALCON-AI」量表，旨在評估高等教育教職員在教學、研究及服務面向的AI素養與能力。

本研究探討生成式 AI 在學術同儕審查流程中引發的公平性、責任與評估正當性問題，並提出相應的治理建議。

本文提出一個新穎的AI驅動分析框架，用於評估跨領域研究團隊如何達成共識，並藉由大語言模型、圖譜分析及專家驗證，探討觀點的演變與影響。