教育科技研究速報

研究發現 LLM 在摘要公眾意見時，會因留言者的職業背景而產生不平等的處理結果。

提出「依賴協商框架 (RNF)」，將學生使用 LLM 的行為視為在多重因素影響下的動態協商過程。

本文提出一個數學公式，用以估算由多個 AI 組成的委員會在篩選過程中能提升多少精準度。

本研究透過對保加利亞學生的調查，探討使用者對聊天機器人提供情緒支持的態度、使用現況與潛在疑慮。

研究發現 X 平台將用戶內容預設用於 AI 訓練會引發隱私焦慮，進而導致用戶參與度下降與遷移意願增加。

本文提出「提示詞間可靠性（IPR）」框架，揭示 LLM 在不同提示詞下的輸出穩定性差異。

提出結合 LLM 生成與 NeuralCDM 實證評估的框架，能有效自動化並優化用於學習分析的 Q-矩陣。

研究發現教師設計的 Custom GPTs 能透過系統、敘事與代理感三個維度，有效提升學生的學習沉浸感。

本文推出包含逾萬題羅馬尼亞數學題的長時段數據集，並提出一套可量化題目複雜度的指標。

研究發現 LLM 評審在醫療回應完整性的評估上表現不佳，且其判斷標準與臨床醫生存在根本性差異。

文章指出 AI 投資失敗主因在於組織學習能力的缺失，而非技術不足，並提出 SIO 進階模型。

本研究透過 AI 代理框架，探討早期互動模式如何預測學習表現與信任度，並識別學習者特徵。