教育科技研究速報

提出 Interactive Mascot 語法，透過建模資訊流與依賴圖模型，實現更自然且具表達力的場景中心化數據視覺化互動。

開發出一種基於磁性阻塞機制的新型觸覺顯示模組，能實現低噪音、低電壓且即時的硬度變化。

本文重新定義同理心為「預測失配容忍度」，主張 AI 應學習管理理解間的距離而非僅追求共鳴。

研究指出強制進行兩兩比較會因忽略個體內部的多元價值觀，導致偏好學習失真，並建議允許表達「猶豫」以提升準確度。

開發了一套跨平台行動系統，透過角色感知與 RAG 技術，支持多方協作且具備可驗證性的集體照護工作流。

研究發現 AR 嵌入式視覺化雖有助於空間映射，卻因視覺錯覺與高度真實感導致使用者對 AI 過度依賴。

提出一種結合語義相關性、數據趣味性與上下文連貫性的推薦機制，輔助使用者在複雜關聯式資料庫中進行結構化探索。

提出 Kaleidoscope 工作流，透過角色化測試、情境化量表與人類審核機制，實現可靠且可擴展的 AI 自動化評分。

本研究開發了一套自動化流程與技術原型，旨在支持創作者在運動影片中整合數據與敘事，以解釋複雜的比賽過程。

透過與盲人共同設計，開發出結合觸覺顯示器與 LLM 的系統，優化盲障人士理解數據空間關係與分析的互動模式。

研究發現，在可解釋人工智慧（XAI）中提供過多或無關的數據視覺化，會使使用者對具歧視性的模型產生不合理的信任。

本文提出一個結構因果模型，探討 AI 在何種情境與代理人條件下，應啟動心智理論（ToM）機制以提升認知準確性。