教育科技研究速報

本研究發現，透過 LLM 輔助的開放式自我解釋，能提升學生在微積分轉移問題中，特別是「資訊不足」問題的解釋品質。

本研究比較了在大學離散數學課程中，基於 LLM 的聊天機器人與嵌入式反饋工具對學生數學證明學習成果的影響，發現單純的聊天支持可能不足以提升學習轉移。

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。

本研究提出一個嶄新的專案管理框架，利用生成式 AI 技術填補學術與研究團隊中人格特質與角色的空缺，以提升團隊多樣性。

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。

本研究擴展了 Acemoglu-Restrepo 任務暴露框架，探討具代理性 AI 對勞動市場的影響，揭示其超越傳統自動化的職業位移風險。

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。

本研究比較部署於公開論壇的語言模型代理者與 Reddit 社群，發現代理者社群缺乏挑戰、修復及公開修正的互動機制。