教育科技研究速報

研究證實，結合多層次、多代理、情境化敘事的 LLM 生成摘要能顯著提升遠距家庭成員對長者日常生活的滿意度、信任度與使用意願。

研究發現，僅需透過簡單的透明度干預（警告 AI 可能出錯），即可顯著增加學生的求助行為，而不影響系統實際表現。

研究發現，社會比較取向透過焦慮與認知機制，直接且間接促成生成式 AI 的問題性使用。

提出注意力感知管線，揭示在 XR 中可視化注意力所帶來的設計張力，並透過眼動研究證實注意力隧道現象，提出減少此現象的干預策略。

透過行動眼動追蹤，揭示樂隊排練中成員間的視覺注意結構與學習者的注意力調整

本研究驗證了 FPS 評分系統能有效透過行為與神經科學數據，精準衡量人類的注意力控制狀態。

吊架反射提示能透過頭部機械壓力，促進駕駛者對周邊危險的預先注意，降低碰撞風險。

研究顯示生成式 AI 能提升學生自我效能，但對高階演算法學習成效不利，且可視化工具使用不足，真人輔導則效果最佳。

智識謙遜能過濾 AI 生成的健康錯誤資訊，提升內容可信度評估。

本文提出一個框架，探討長期人機互動中產生的認知與行為漂移現象，並強調透過元認知干預來維持學習者的認知可靠性。

本文介紹 CONSIDER 原型，旨在透過與 AI 生成的反對意見進行結構化辯論，協助使用者釐清價值觀並應對道德分歧。

提出 Rationalize 框架，透過四種角色對組合，在共享推理空間中實現人與 AI 意圖與行動的雙向對齊。