教育科技研究速報

本研究調查大學生使用AI工具的經驗，並探討他們對AI學習伴侶的接受度、益處及擔憂，以及其使用意願與傳統學習活動的關係。

本研究透過系統性文獻回顧，探討人工智慧如何強化成長駭客、精益啟動、設計思考及敏捷方法等實驗性方法，提升效率與適應性。

本文探討情緒AI在語言學習中如何影響學習者的情緒參與度、語用能力及互動素養，並指出AI聊天機器人作為學習工具的潛在優缺點。

本研究透過「人資模擬器」遊戲，探討大型語言模型（LLM）在電子郵件溝通中的表現，發現人機協作能優於單純的 LLM，並揭示 LLM 對溝通策略的偏好。

本研究探討了 AI 教學中能耗、延遲與學習效果之間的權衡，並提出「學習每瓦」（Learning-per-Watt）指標，以評估不同模型在真實部署環境下的效率。

本研究指出，傳統事實查核可能因受眾的知識體系不同而產生反效果，並提出一種考慮知識體系的修正方法，以減少反效果。

本研究透過分析中學教師使用大型語言模型聊天機器人進行程式設計活動的過程，揭示了教師對聊天機器人的不同態度與需求，並提出了相關設計建議。

本文提出一個新穎的AI驅動分析框架，用於評估跨領域研究團隊如何達成共識，並藉由大語言模型、圖譜分析及專家驗證，探討觀點的演變與影響。

本文提出具身科學範式，強調將具身 AI 的感知、推理、行動與發現整合，以實現與物理世界的持續互動，加速科學發現。

本研究提出一個基於子目標分解的框架 MiRA，透過強化學習訓練，大幅提升大型語言模型在複雜環境中的長期規劃與執行能力。

HyEvo 提出一種自動化的工作流程生成框架，結合了概率型 LLM 節點與確定性程式碼節點，有效降低推理成本與執行延遲。

PowerLens 系統運用大語言模型的推理能力，透過隱式回饋學習使用者偏好，實現零配置、情境感知且安全的行動裝置電源管理，大幅提升電池續航力。