教育科技研究速報

本研究探討了可解釋AI（XAI）在協助視障及低視力使用者時的獨特需求，強調多模式介面、以使用者為中心的設計，以及對AI錯誤的理解。

本研究提出生成式因果中介(GCM)方法，能精準定位並控制大型語言模型中分散於多個token的行為，例如風格轉換或拒絕回應。

本研究透過協同設計，探討群眾外包負責任AI內容工作中的風險揭露機制，旨在平衡工作者保護、任務設計者需求與平台責任。

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。

本研究探討學生在程式設計問題中，對 AI 助理的信任如何影響其適當的依賴程度，並考察 AI 素養與認知需求在其中的調節作用。

本研究探討推薦系統中普遍存在的流行度偏差問題，並提出一種基於激活向量調整的解決方案，以提升推薦結果與使用者流行度偏好的對齊程度。

本研究挑戰了 AI 協作談判對所有使用者都同樣有效的假設，發現人格特質會影響談判結果。

本研究探討了在決策過程中，社會過度依賴單一演算法建議（演算法單一文化）所導致的社會福利損失，並量化了這種無效率的程度。

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。

本文描述一門新穎的碩士級專案課程，教授機器人學的完整流程，並強調在受限的硬體平台上直接應用演算法。

透過600+模擬，揭示不同模型對倫理指令的處理機制差異，並提出三項新指標。

本文定義了「Vibe 研究」的概念，一種利用大型語言模型輔助研究者進行文獻回顧、實驗、分析及撰稿的新興模式，並探討其技術限制與社會影響。