教育科技研究速報

本研究探討了共享生成式 AI 平台帳戶的模式、規範，以及使用者因意識到被觀察而產生的行為調整。

本研究探討了在人機協商中，議題數量如何影響人類表現，並提出基於貝氏估計的不確定性視覺化方法，以提升協商結果。

本研究透過對教師和學生的調查，探討在 AI 輔助程式學習中，如何平衡直接輔導與間接引導，以及控制權分配，以提升學習成效。

本研究追蹤三年來AI融入程式設計課程的過程，發現學生對AI的認知、互動模式及學習成果隨時間推移而演變，強調重新定義學習方式以維持學生自主性。

本研究探討人類是否能透過重複經驗，學習校準 AI 系統的信心訊號，並發現人們能有效調整對 AI 的信任度，但反向信心的情況下則較難克服。

本研究透過分析 Reddit 討論，揭示了 AI 伴侶所提供的情感支持是互動且具社會情境的過程，並探討了其潛在的張力與影響。

本文提出 RedTopic，一種透過情境化生成、聚合獎勵和多目標強化學習，提升大型語言模型紅隊測試主題多樣性的新框架。

本研究開發一種能直接輸出自然語言的探測器，透過「潛在QA」任務，更精準地理解和控制大型語言模型的內部運作。

本研究探討感官、情感與文化體驗如何影響使用者對以非物質文化遺產為主題的虛擬實境遊戲的接受度與使用意圖。

本研究揭示了大型語言模型在性別推論時，即使在語境等價的情況下，其輸出結果也會出現系統性變化，違反了語境不變性的假設。

本研究探討了大型語言模型（LLM）安全監控中，針對能迴避偵測並誘發不安全行為的自適應攻擊的弱點，並提出透過激活浮水印提升監控效能的解決方案。

本研究重新評估 OpenAI 模型在道德困境中的表現，發現其功利主義傾向受提示方式影響，強調多重提示測試的重要性。