教育科技研究速報

本研究透過使用者研究，驗證了語意互動（SI）在提升敘事地圖意義建構效力上的作用，並發現地圖呈現方式優於時間軸。

本研究驗證了資料驅動的重新設計流程在不同教學單元上的通用性，即使在非針對性改善的單元中，也能提升學習成效。

本文提出「覆蓋品質 (QoC)」概念，透過多維度指標量化行動網路的效能、易用性與穩定性，以更精細的方式評估網路品質。

本研究透過隨機對照實驗發現，針對法律學生的生成式 AI 培訓能有效提升其使用效率，並改善分析結果的準確性。

本研究探討如何預測大型語言模型（LLM）在自動評分時的準確性，旨在實現選擇性自動化，將高信度預測自動處理，並將不確定案例標記給人工審查。

本研究探討科技領域學生對 AI 風險的認知，發現風險感知與採用意願呈反比，並強調差異化 AI 素養策略的重要性。

本研究探討了電腦科學課堂中不同角色（教師、助教、學生）對學術不誠實的理解差異，以及背後動機的看法。

本研究揭示了大型語言模型（LLM）在親密關係配對中，會基於傳統種姓制度產生偏見，強化社會階層的差異。

本文探討了在教育領域使用生成式 AI 時，如何更可靠地建立和評估「真實性標準」，並提出了四個實務建議。

提出 AppellateGen 基準與多代理系統，促進模型在上訴審中從初審判決推理生成合法判決，揭示 LLM 在複雜辯證推理上的局限。

本研究分析了西班牙巴斯克地區用於評估親密伴侶暴力風險的演算法工具，揭示其在錯誤率、法律指引不足等方面的問題。

利用多模態資料衡量網路安全演練中的對齊度，並證明對齊度與成功相關，且多模態特徵預測表現最佳。