教育科技研究速報

提出 HAIG 框架，將人機互動視為連續關係，從信任-效用角度重新定義治理。

本研究提出「表面安全對齊假設」，認為安全對齊是教導模型選擇正確的回應方向（滿足或拒絕請求）的二元分類任務，並揭示了影響安全性的關鍵神經元。

本文提出以黑格爾認知與弗洛伊德心理動力學為基礎的 AI 教師，並證明認知增強提示與多代理自我/超我架構能顯著提升教學效能。

本文探討了在澳洲，公共利益訴訟如何透過調整現行法規，促進人工智慧及自動化決策（ADM）的透明度、責任與正義。

本研究分析 GPT-4o 至 GPT-5 的強制升級引發的公眾反應，揭示了不同文化背景下對 AI 的情感依附及其對法規接受度的影響。

AI輔助對政府與市民互動提升資訊與表達品質，並增進滿意度與信任。

本文探討生成式 AI 在網頁氛圍編碼中的同質化風險，並提出以「有益摩擦」為核心的緩解框架，透過案例證明可維持設計多樣性。

本文透過博弈模型探討不同政策對AI供應鏈中消費者剩餘與企業利潤的影響，揭示價格競爭與質量競爭政策的互補性與差異效益。

本文介紹 LLM BiasScope，一個用於即時分析與比較不同大型語言模型（LLM）輸出中偏見的網頁應用，協助研究者與實務工作者評估模型。

提出LA‑VSD框架，將價值敏感設計具體化於位置服務，透過三項啟發式解決共享空間與地方性價值衝突，並以墨爾本e‑scooter案例驗證其可行性。

利用人機協同LLM對手寫數學測驗進行可擴展評分，減少23%評分時間且保持公平準確。

本文系統性回顧 2020-2024 年 AI 對話系統在情感支持領域的技術演進，揭示 LLM 取代專用深度學習模型後的研究趨勢與效能提升。