教育科技研究速報

本研究提出一種離線優先的大語言模型架構，旨在於低連線環境中提供AI輔助學習，並具備適應性回覆層級。

本研究開發了MediTools，一個利用大型語言模型（LLM）提升醫學教育及解決工作流程挑戰的應用，包含臨床情境模擬、文獻檢索及醫學新聞摘要等功能。

本研究探討了大型語言模型（LLM）在補助提案高風險評估中的能力與限制，並發現分段分析法在準確性和可靠性方面表現最佳。

本研究預測，川普政府提議的聯邦研究經費削減將嚴重影響美國大學，特別是在 STEM 領域，導致大量教職員研究經費不足。

本研究探討了學生如何運用生成式人工智慧（AI）於設計專案，並強調能動性、領域知識、想像力與品味等關鍵能力在人機協作中的重要性。

本研究透過因果推論方法，量化了作者種族、性別和機構所在地對學術論文接受度排序的獨立影響，揭示了系統性偏見的存在。

本研究評估了撒哈拉以南非洲移民對人工智慧誘騙（特別是詐騙）的脆弱性，發現過往的詐騙經歷是影響脆弱性的最重要因素。

本研究提出一套隱私保護的視覺語言框架，利用本地開源LLM偵測醫療對話中的同意與指示語句，並生成對應機器人手勢，達成高準確率與人類相似度。

建立醫療機器人失敗情境下的多模態資料集，揭示失敗對情緒與控制感的負面影響。

研究發現大型語言模型在生成任務表現優秀，但在評估任務上表現較差，甚至在缺乏專業知識時仍能給出可信評價，揭示生成式 AI 的評估悖論。

比較 Bandit 與 LLM 在健康行為干預中的訊息選擇與生成，發現 LLM 更受用戶喜愛但 Bandit 無顯著提升。

開發可解釋智能評估平台XIA，透過可視化認知診斷與對比說明，提升預備教師的評估素養與反思能力。