教育科技研究速報

本研究探討了在教育推薦系統中，不同說明格式（視覺化與文字化）如何影響使用者對系統的信任、透明度與滿意度，並考量了個人特質的影響。

本研究透過系統性調整提示工程的三個面向，探討如何提升大型語言模型在社會科學文本分類上的準確性，並揭示模型效能的異質性。

本研究揭示大型語言模型在數學問題中可能傳播有害內容，並提出SafeMath技術，在不犧牲準確性的前提下提升模型安全性。

本文提出一個公開且安全的理論框架，旨在透過在架構層面將高階能力與內部穩定性約束結合，降低知識蒸餾的風險。

SentinelAI 是一個可擴展的資料整合框架，旨在將緊急通訊轉化為標準化的、機器可讀的資料集，以支援事件建構與跨來源推論。

本研究利用眼動追蹤技術，揭示了人類在成對 AI 圖像評估時的認知過程，發現視線模式能預測偏好選擇與信心程度。

本文概述並評估了不同類型的年齡驗證技術，分析其效能、潛在副作用及使用者接受度，並提供保護未成年人於網路上的建議。

本研究探討跨網站追蹤如何影響 YouTube 的政治與不實資訊推薦，並評估隱私瀏覽器是否能減輕追蹤造成的資訊泡泡。

本研究分析 Reddit 社群中不同群體（學生、教師、混合群體）對生成式 AI 在高中教育中的討論，揭示了其在學習、學術誠信和情感影響方面的差異。

本研究透過分析自認自閉症用戶的社群媒體貼文，探討 ChatGPT 作為認知支撐工具的雙面性，揭示其在協助自閉症用戶的同時，也存在潛在的風險。

探討使用者如何在 Character.AI 與 AI 伴侶協商身份，揭示動機、策略與情感結果，並提供設計建議。

PASTA 提供一個可擴展的工具，整合模型卡、政策標準化、LLM 評估引擎及易解介面，以降低 AI 多政策合規性的成本。