教育科技研究速報

透過文獻與 Reddit 社群討論的混合分析，揭示學生對同儕評分的利弊看法及 AI 帶來的信任挑戰。

開發出 S1-Omni 模型，透過統一表示與知識對齊，實現跨科學領域的數據理解、推理與生成任務。

研究證實短期的結構化介入能提升學生使用生成式 AI 的信心與策略，且不增加作業作弊風險。

本研究分析學生在一個學期內重複使用 AI 獲得寫作反饋的成效，發現 AI 能提供即時建議，但無法單獨提升反思深度。

開發了一套結合檢索增強生成（RAG）與教學策略控制的框架，旨在提供安全、符合教學規範且能防止學生過度依賴的程式教學 AI。

本文探討人工智慧如何透過建立智慧化、個人化且數據驅動的學習環境，全面轉型高等教育的教學、評量與學生支援。

探討高等教育在遠距、混合與實體工作模式下的演變，以及 AI 如何重塑職能需求。

探討高等教育機構在面對重大干擾時，建立教學持續性計畫以保障教育活動的重要性。

高等教育機構應借鑑疫情期間的數位轉型經驗，透過現代化雲端基礎設施來應對 AI 技術的快速整合。

高等教育 IT 領導者正面臨「穩定悖論」，必須在追求 AI 數位轉型的壓力與維護核心系統穩定性之間取得平衡。

提出 MathCoPilot 系統，透過人機協作的「活體證明藍圖」改變數學研究模式，從自主代理轉向人機共生。

開發 ReasFlow 系統，透過多代理協作模擬「研究員與研究生」關係，實現自動化的理論數學研究與論文撰寫。