教育科技研究速報

本研究證實 AI 對話式訪談能有效結合大規模量化調查與深度質性洞察，克服傳統訪談難以規模化的困境。

研究發現數位學習工具應透過「分層脈絡化」設計，在不中斷閱讀流動的前提下，提供可信且非強制性的跨文本關聯資訊。

本研究透過實證調查，探討使用者如何利用 AI 驅動的「氛圍編碼」工具進行數據視覺化，並分析其操作模式與面臨的挑戰。

研究發現學生即便有視覺化工具，仍傾向將程式碼作為主要學習錨點，其參與度受自主權、表徵契合度與學術正當性影響。

提出「智力融合人類」框架，強調「收斂能力」是決定 AI 能否轉化為生產力的關鍵認知中介。

本研究揭示開發者的認知多樣性如何形塑其與 GitHub Copilot 的互動模式、需求及問題解決風格。

研究探討人機團隊在協作時如何透過結構化機制與記憶共享，避免協作成本抵銷 AI 能力帶來的效益。

開發名為 Quantum Cinema 的開源互動應用，利用生成式世界模型將不可見的量子硬體轉化為沉浸式視覺體驗。

本文提出「合成共鳴」概念，用以定義人類與 AI 之間無需擬人化即可產生的結構化互動關係。

本文提出一個新框架，將 AI 的情感訊號視為人機協作中協調能力、不確定性與責任的關鍵控制層。

本研究透過多維度分析揭示了 LLM 擬人化行為的普遍性、適當性差異及其受系統提示控制的特性。

本研究透過布魯姆分類法評估六種 LLM 生成問題的認知層次，並提出提升高階思考問題產出率的策略。