Discovery2026年4月13日
AI 衝擊學術誠信：高等教育面臨評量重塑與信任危機的雙重挑戰
隨著 AI 工具演進至能完成複雜任務的自主代理人階段，高等教育機構正被迫重新思考評量設計與學習驗證方式 [1]。目前學術界在應對 AI 作弊問題上，正陷入監控與說服兩種防禦策略的掙扎中 [2]。
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年4月13日
2026 教育科技展望：學習分析與 AI 整合引發倫理、評量與學生情緒之辯
教育科技領域正進入 AI 深度整合期，學習分析與預測模型在提升個人化學習的同時，也面臨透明度與倫理挑戰 [2]。此外，學生對 AI 的負面情緒上升，且學術評量制度正因 AI 代理技術的演進而被迫重新設計 [3][4]。
edtechaiassessment
learning analytics5 個來源
Discovery2026年4月13日
教育科技新趨勢：從 CoSN 2026 協作願景到 AI 在高等教育的應用挑戰
教育領導者正透過 CoSN 2026 年會探討如何建構創新的學習環境 [1]，同時高等教育界也面臨 AI 技術帶來的數位素養與威脅評估等新議題 [2][3]。
edtechaiassessment
teacher copilots5 個來源
語用學遇上文化：文化適應藝術品描述生成與評估
提出文化適應藝術品描述生成任務，並用文化基礎問答評估，發現基礎模型表現有限，加入語用說話者模型可提升聽者理解8.2%
arXiv - Human-Computer Interaction
相同回饋，不同來源：AI 與人類歸因如何影響計算教育中的學習者行為
研究發現人類來源歸因雖具動機價值，但若缺乏可信度，其學習成效反而低於透明的 AI 歸因。
arXiv - Human-Computer Interaction
MECO：針對老年人情緒與認知理解的多模態資料集
本研究建立了一個包含 42 名老年參與者、38 小時多模態資料（視訊、音訊、EEG、ECG）並附情緒與認知標註的 MECO 資料集，為老年人情緒與認知模型提供基礎。
arXiv - Human-Computer Interaction
打破認知被動：重新思考 AI 協助的資料素養與認知對齊
提出 AI 與使用者之間的認知對齊框架，指出 AI 互動模式與使用者需求不匹配會導致認知被動或摩擦，並呼籲動態適應的設計以提升資料素養。
arXiv - Human-Computer Interaction
AI 透明化工具 DAISY：促進研究者 AI 使用披露
DAISY 這一表單工具能提升 AI 使用披露的完整度，且不降低作者對披露的舒適度。
arXiv - Human-Computer Interaction
聆聽、對話、玩耍的 AI 玩具：兒童對 AI 玩具的理解與互動
研究兒童與 AI 玩具互動，發現其將玩具視為社會存在，並揭示互動失敗導致對抗性遊戲，提出設計建議。
arXiv - Human-Computer Interaction
LitPivot：透過動態語境化與批判，打造適切研究構想
提出 LitPivot 平台，透過文獻驅動的迭代推動研究構想，並證實能提升構想品質與文獻理解。
arXiv - Human-Computer Interaction
評估語言模型進行有害操縱的能力研究
本研究提出一套評估框架，證實 AI 模型在特定情境下能誘導人類改變信念與行為，且其影響力受領域與地理位置影響。
arXiv - Computers and Society
模擬夫妻衝突：多代理系統設計用於治療訓練與實踐
開發多代理模擬系統，讓治療師在可控環境練習夫妻衝突，證實其比傳統角色扮演更真實且能準確辨識情境轉變。
arXiv - Computers and Society
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。