教育科技研究速報

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。

本研究揭示科學家對研究構想的評估並非固定不變，而是會隨著時間產生漂移，這對利用 AI 協助科學發想的系統設計具有重要影響。

本研究提出資料提示協同演化概念，透過互動系統讓開發者迭代優化提示詞，並藉由不斷擴充的測試集，提升大型語言模型（LLM）的效能與可靠性。

透過工作坊與原型實作，本文揭示 K‑12 教師對多模態大型語言模型的機會、挑戰與實務需求，並提供未來學習設計的啟示。

本研究比較了AI大型語言模型與人類在線上心理健康社群的回應，發現AI更具結構性，但缺乏人類互動中的語言多樣性和個人敘事。

開發並評估一套多語言 AI 介面，能自動將文本映射至相關圖像，提升特殊教育學生的閱讀理解與互動性。

本文提出一種名為正向優先模糊性優先（PF-MA）的主動學習準則，旨在解決在稀有類別的互動式視覺檢索中，類別不平衡和低預算等問題。

本研究探討性別相關的溝通方式如何影響 LLM 輔助的程式設計與程式碼審查，發現 LLM 評估階段存在性別偏見。

SemLayer 提出一種視覺生成管道，旨在恢復扁平化向量圖標的可編輯分層結構，提升圖標編輯、樣式調整和動畫製作的效率。

本研究提出 HEAR 框架，利用大型語言模型將技術性的無障礙錯誤報告轉化為更易於理解、更具同理心且符合法規要求的報告。

提出一套開源系統，利用有向無環圖與網路代理自動評估研究論文的可信度，並與專家判斷高度一致。