教育科技政策與學術誠信:AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引,並推動教育科技透明化,以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導,顯示政策落地仍面臨執行與監督挑戰。 [4][2]
AI 自動彙整全球學術期刊與教育科技媒體,以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究,讓台灣教師快速掌握前沿知識。
以多來源搜尋與引用式摘要,將分散新聞壓縮成可回溯的每日統整報導。
美國部分州與學區正加速制定 AI 使用指引,並推動教育科技透明化,以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導,顯示政策落地仍面臨執行與監督挑戰。 [4][2]
美國各州正加速推動學習分析與AI工具,但缺乏統一治理與教師培訓,導致實務落地面臨挑戰。[1][5] 同時,國際案例顯示透明度與隱私保護是關鍵,若能結合數據基礎設施與教學設計,將提升學生學習成效。[2][3]
儘管 AI 工具已在美國教室中變得普遍,但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時,教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
舊域大學與 Google Public Sector 合作,推出 MonarchSphere 人工智慧孵化器,旨在透過實作連結學生、教師與產業夥伴,提升學生的人工智慧素養。
本研究揭示了在自組織臨界狀態下預訓練的 PLDR-LLMs 在推論時展現出推理能力,其行為類似於二階相變。
本文探討了大型語言模型(LLM)在提升自動駕駛系統的感知、決策及控制方面的潛力,並提出了LLM4AD概念及相關的基準測試。
本研究透過訪談 K-12 教師,揭示了在評估資料素養時所面臨的概念模糊、資料選擇、視覺呈現及評估目標平衡等挑戰。
本研究指出,消費者健康 AI 的緊急程度判斷失敗,並非模型能力不足,而是取決於評估方式,自然對話模式能顯著提升準確性。
本研究透過實驗證明,搭載人工智慧的學習平台能提升學生學習成效與學習體驗,提供內容互動呈現的選擇是有效且具前景的學習方法。
本文提出「人機任務張量」框架,系統性地分析生成式 AI 如何影響人類工作,並提供理解和應對未來工作模式的起點。
本研究提供一個實驗平台,透過控制機器人行為並改變其解釋框架,以研究語言和框架如何影響人們對機器人意圖的歸屬。
本研究提出 Colon-Bench,一個透過多階段代理工作流程建立的大規模、高密度結腸鏡檢查影片病灶標註資料集,並以此評估多模式大型語言模型。
本研究探討了基於 5W3H 框架的結構化意圖表徵方法(PPS)在不同語言和模型上的泛化性,並發現 AI 擴展的 5W3H 提示與人工撰寫的提示效果相近。
本研究比較了在無線網路 captive portal 中使用 Passkey 和密碼的可用性,發現 Passkey 在使用者感知上略勝一籌,但 captive portal 的限制仍影響使用者體驗。
每週五信箱收到精選 5 篇教育科技重點研究摘要,零時間壓力掌握學術前沿。