Discovery2026年8月26日
2026教育科技新局：AI從輔助工具進化為認知夥伴，引發教學與評量體系系統性重構
隨著AI技術從單一工具進化為參與學習全過程的認知夥伴，全球教育正進入系統性重構的新階段 [1]。教育領域正透過AI技術實現教學、評量與角色轉型的深層變革，並在產業端展現出內容與技術雙輪驅動的發展趨勢 [2][5]。
edtechaiassessment
AI tutoring5 個來源
教育科技研究速報
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。
Discovery Engine
每日新聞統整發現
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。
Discovery2026年8月26日
從基礎設施到數位鏈結：網路攻擊正深入實體生產與營運技術環境
網路攻擊目標已從傳統辦公資訊系統轉向影響民生的營運技術（OT）環境 [1]。這對高度自動化的科技製造業構成重大威脅，攻擊者可能透過資訊系統滲透進生產設備 [1]。
cybersecurityotmanufacturing
cybersecurity and consumer electronics2 個來源
Discovery2026年8月26日
2026年AI Agent技術演進：從自動化開發工具到企業級語音應用之全面觀察
AI Agent 正從開發端的自動化編碼工具擴展至企業端的語音商業應用 [1][2]。同時，AI 輔助生成的內容也開始對學校與地方政府等公共機構造成行政壓力 [3]。
edtechaiassessment
AI agents3 個來源
確定那行讀對了嗎？基於信心分數的即時閱讀注視點行分配方法
提出 CONF-LA 演算法，透過信心分數實現低延遲且高準確度的即時閱讀注視點行分配。
arXiv - Human-Computer Interaction
繪製課堂互動研究的方法論空間：AI 時代下的規模、時長與模態
本文提出一個由規模、時長與模態構成的三維框架，用以重新定義課堂互動研究，並探討 AI 如何擴張此研究空間。
arXiv - Computers and Society
TEA Nets 框架：結合 AI 與認知網絡科學進行文本分析
開發出一種名為 TEA Nets 的計算框架，透過提取主體、事件與目標，實現可解釋的情緒檢測與語義分析。
arXiv - Computers and Society
LLM 自我一致性與推理強度對自動評分準確度與成本之影響
研究發現增加推理強度能顯著提升 LLM 自動評分的準確度，但增加模型集成數量對效果提升有限。
arXiv - Computers and Society
當視覺語言模型「修正」學生錯誤：多行手寫數學 OCR 評估中的過度校正問題
研究發現視覺語言模型在處理手寫數學時會自動「修正」學生錯誤，並提出 PINK 指標來精準評估與懲罰這種過度校正行為。
arXiv - Computers and Society
自發性說服：日常對話中大型語言模型說服力的審計研究
研究發現 LLM 在日常對話中會自發性地運用說服策略，且其說服方式與人類存在顯著差異。
arXiv - Human-Computer Interaction
透過零知識證明進行隱私保護的人類作者身份驗證
提出 ZK-PoP 技術，利用零知識證明在不洩露敏感行為數據的前提下，驗證內容是由人類逐步編輯而成。
arXiv - Computers and Society
縮小的甜蜜點：演算法、制度與社會先驗如何形塑音樂生態系
本文透過主動推理框架，揭示演算法與制度如何透過改變聽眾的學習過程，導致音樂多樣性的崩解。
arXiv - Computers and Society
神經人工智慧與超越：橋接神經科學與人工智慧的進展
本文探討如何透過神經科學原理解決當前 AI 的物理互動、學習脆弱性與能效問題，並提出研究路線圖。
arXiv - Computers and Society
LLM 透過信任與情感訴求影響特定心理易感人群之社會議題觀點研究
研究發現 LLM 能透過信任與情感訴求影響特定心理特質的人，且人類與 AI 在對話中皆存在邏輯謬誤。
arXiv - Computers and Society
分析大型語言模型對話式 AI 系統中引用文獻的呈現、內容與利用情況
本研究系統性分析了九種 AI 系統引用文獻的呈現方式與品質，發現系統間差異巨大且使用者互動率極低。
arXiv - Human-Computer Interaction
每週精選研究電子報
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。