教育科技研究速報

本研究利用嵌入式基準測試框架，揭示了教育大模型在提供回饋時存在的性別偏見，即使在最先進的模型中也存在非對稱的語義回應。

本研究揭示了自動化毒性模型在評估非標準英語（如非裔美國英語）時存在的系統性偏誤，並提供互動式工具提升AI素養。

本研究提出一個能抵抗車內鏡頭位置變化的駕駛行為監控網路(DBMNet)，透過特徵分離與對比學習提升駕駛人分心偵測的準確性與泛化能力。

本研究提出 PASM 模型，透過結合大型語言模型與符號回歸，提升跨區域颶風疏散決策預測的準確性與可解釋性。

本研究提出女性健康基準（WHBench），旨在評估大型語言模型在女性健康領域的表現，揭示其在臨床準確性、安全性及公平性方面的不足。

本研究大規模審查 Gemini 2.5 Pro 多模態搜尋系統，發現其引用的影片佐證生成內容的可靠性存在問題，高達 3.7%-18.7% 的內容未獲影片支持。

本研究探討了在大型語言模型中模擬學生錯誤概念的策略，並發現不同模型在錯誤概念的獲取和運用上存在顯著差異。

本研究提出一個與歐洲共同語言參考框架(CEFR)對齊的Scratch專案評估框架，利用模糊C-Means聚類法自動評估程式技能，並提供個人化學習路徑的洞察。

本研究量化了大型語言模型在招聘決策中延續社會性別偏見的程度，並探討了提示工程作為減輕偏見的技術。

本文提出 SciVisAgentBench，一個用於評估科學數據分析與視覺化智能體的全面基準，旨在推動相關領域的發展。

本文提出一種結合主動推論與 PsyNet 平台的實用且統一的方法，能即時適應並優化實驗設計，適用於多種情境。

本研究比較了 AI 作為建議者與混合確認樹（HCT）兩種模式，發現 HCT 在多個領域中表現更佳，能有效提升人機協作的準確性。