教育科技研究速報

本文建立一個框架，評估任務自動化的最佳程度，發現完全自動化並非總是成本最低，部分自動化通常更具優勢。

本研究揭示大型語言模型（LLM）中 em 破折號的過度使用，源於其在 Markdown 格式訓練資料中的結構性遺留，並透過實驗驗證了其抑制與模型微調程序的關聯。

本研究探討科技領域學生對 AI 風險的認知，發現風險感知與採用意願呈反比，並強調差異化 AI 素養策略的重要性。

本研究探討了電腦科學課堂中不同角色（教師、助教、學生）對學術不誠實的理解差異，以及背後動機的看法。

本研究探討了在連結式 MOOC (cMOOC) 中，如何透過人機協作的 AI 迴路系統，提升討論的社會及認知臨場感。

本文探討了在教育領域使用生成式 AI 時，如何更可靠地建立和評估「真實性標準」，並提出了四個實務建議。

本研究探討菲律賓高等教育學生實習生在實習期間使用人工智慧工具的目的、應用及相關感知，發現AI有助於提升工作準備度。

提出 AppellateGen 基準與多代理系統，促進模型在上訴審中從初審判決推理生成合法判決，揭示 LLM 在複雜辯證推理上的局限。

本研究透過兩項實驗，探討公眾如何看待新興數位職業與傳統職業，並揭示了態度形成的影響因素，如社會價值觀的威脅和接觸機會。

利用多模態資料衡量網路安全演練中的對齊度，並證明對齊度與成功相關，且多模態特徵預測表現最佳。

本研究探討行為、情緒與情境因素如何影響菲律賓學生使用 AI 輔助心理健康的意願，發現習慣、舒適度與情感益處是關鍵。

研究教師對LLM生成回饋的修訂行為，發現80%不改、編輯偏長、可用機器學習預測，且修訂往往簡化回饋。