教育科技研究速報

本文探討如何設計能讓使用者深入理解大型語言模型（LLM）運作方式的介面，從單純的「可解釋性」轉向「解讀性參與」。

本研究揭示，即使 AI 系統的決策結果相同，推薦驅動設計會降低使用者對證據的標準，導致判斷中產生隱藏偏誤。

字幕錯誤會降低觀眾對講者及內容的評價，且不因口音差異而產生差別影響

本研究探討了 AI 輔助寫作工具 VISAR 在大學寫作課程中的應用，發現學生積極參與規劃與批判性思考，並獲得可衡量的學習成效。

系統性回顧 98 篇研究，揭示文本在資料視覺化中的敘事功能、效益與設計缺口，並提出未來發展方向。

本研究比較了六種深度學習模型在超音波手勢識別上的表現，發現透過步進學習率調整和使用射頻信號包絡，四層UDACNN模型能有效提升效能。

本研究提出一套新的城市社會語義分割方法，透過視覺-語言模型推理，提升對社會定義類別（如學校、公園）在衛星影像中識別的準確性。

本研究分析大型語言模型在數學輔導中的教學策略與語言特徵，發現其品質逐漸接近專家，但仍有其獨特的教學模式。

本研究透過多語言辯論式基準，揭示大型語言模型在不同語言與敏感領域中仍保留刻板偏見。

本研究透過博弈論模型，揭示了在公平選拔過程中，不同群體對選拔後價值的感知差異如何影響其投入的努力，進而加劇不平等。

微調 AI 於完整作者作品可顯著提升文本風格忠實度與質量，並降低偵測率，受專業寫手與一般讀者皆偏好。

研究顯示，認為自己處於少數派的 Reddit 會員更易沉默，且社群設計可減少自我沉默。