教育科技研究速報

研究顯示教師在多代理系統中可有效調整問題的真實性與適切性，並證實代理評估與教師實際需求之間存在差異。

研究發現即使 GPT‑4.1 也只能以 57.4% 的準確率預測新加坡不同族群的價值偏好，透過結構化微調可提升 17.4% 但同時擴大族群差距。

建立分類器與實驗證明可在網路政治討論中測量並提升知識謙遜。

設計一個以課程為導向、檢索增強的 Python AI 課程助教，透過提示與蘇格拉底式提問，促進學生概念理解與除錯，減少直接複製完整解答。

本研究透過分析中學生對 AI 角色的認知，提出一套將 AI 視為動態認知夥伴的類型學，區分了認知延伸與認知卸載的界線。

提出一種基於近優化建模的互動框架，讓利益相關者能透過自主選擇能源組件來參與複雜系統決策並促進學習。

研究發現 LLM 代理在多輪辯論中會產生「共識漂移」，且其集體行為受結構影響與模型偏見交織影響。

本文主張將科學研究從「產出導向」轉向「過程導向」，透過建立透明、可追蹤且可分支的工作流來加速科學進步。

本文提出對話式 AI 可能透過引發「本體論失調」與「雙重束縛」，導致易感使用者產生類精神分裂的幻覺經驗。

透過語料庫語言學分析聖物概念的演變，探討數位混合技術在呈現文化遺產時的倫理與真實性挑戰。

本文提出「功能失調」框架，解釋演算法優化可預測行為與人類真實目標之間的結構性矛盾及其社會負面影響。

本文提出「認識論信任」模型，分析技術開發團隊在倫理介入中的參與障礙，並提出九大設計原則。