教育科技研究速報

開發 Sidekick 系統透過多模態回饋優化人類與電腦代理（CUA）的協作，提升多工處理效率與透明度。

研究提出 TaskArtisan 技術，透過生成式 UI 組件解決聊天機器人在複雜分析任務中難以導航與重用的問題。

研究發現遊戲勝負與玩家在介面不同功能區間間的視覺注意力分配、持續時間及轉換模式密切相關。

研究證實演算法的檢測準確度會直接影響學習者的動機，準確的技術表現能提升學習興趣與勝任感。

提出一種輕量化且無需梯度的顯著圖方法，用以解釋視覺語言模型在解讀數據圖表時的注意力分配機制。

研究提出將多方對話中的「對象指向」視為連續現象而非單一標籤，能更精準地預測輪替與聽者行為。

研究證實 RAG 系統能作為「認知平權工具」，透過提升自主感來幫助低金融素養者理解複雜保險合約。

本文提出 AI 的可信度不在於任務能力，而在於透過特定行為維度展現出「感知心智」的完整性。

本文提出將 AI 產生的「中斷」視為人機協作的契機，藉由打破流暢感來促進深層的創意反思。

研究發現干預措施的效果受個人衝動性影響，高衝動者對明確的彈出式提醒反應最明顯。

開發 VisAutocomplete 系統，將圖表設計轉化為序列化過程，透過逐步建議引導使用者完成複雜的視覺化創作。

開發出一款輕量且無須連接線的紡織手環，透過形狀記憶合金提供精準的空間與時間觸覺回饋。