教育科技研究速報

本研究透過介入一致性測試框架（ICE-Guard）揭示大型語言模型在決策中存在的系統性偏差，並發現權威與框架偏差遠超人口統計偏差。

提出 ChoiceEval 框架，能在真實使用情境下量化 LLM 對品牌與文化的偏好，揭示其對市場公平與資訊多樣性的潛在影響。

本文揭示共識審核導致少數貢獻者策略性順從，並提出以評估穩定性為基礎的兩階段審核算法以提升內容標記準確度。

提出TherapyGym框架，透過CTRS與安全評估，提升治療聊天機器人臨床忠實度與安全性

提出以因果結構為基礎的 HITL 與 HOTL 分類，並細化 HOTL 的時間模式與人機整合方式，為 AI 系統治理提供清晰框架。

本文以歐盟消費者視角，系統分析六項生成式 AI 服務條款，揭示資料使用、責任歸屬與輸出限制等關鍵風險。

透過多模態評量與 PBL，提升學生程式基礎、溝通與批判思維。

利用語音 AI 與多代理架構，低成本實現可擴展、個性化口試，並證明評分可靠性高。

本文提出一套以英格蘭與威爾士警務與法律體系為基礎的風險識別方法，列出 15 個可由 LLM 執行的警務任務與 17 種風險，並以 40+ 案例說明其對案件進程的影響，指出可透過良好實踐降低風險。

ViSTAR利用AR與LLM生成即時語音回饋，提升籃球姿勢與節奏自我調整。

FACET 是一個面向教師的多智能體框架，旨在透過整合動機、表現和學習差異，支援更有效的差異化教學，解決傳統 AI 工具忽略學習情境的缺點。

開發並評估一款可即時提供技術術語解釋的瀏覽器擴充功能，顯著提升低至中等數位素養使用者的閱讀理解與資訊搜尋效率。