教育科技研究速報

本研究透過長期追蹤發現，隨著 AI 工具普及，學生對人類智能的價值認同正從初期崇拜轉向重新重視。

提出以社會選擇理論為基礎的 AI 集體控制框架，將多方意見納入整個機器學習流程，並提供評估機制的數學基礎。

提出一種結合潛在類別分析與大型語言模型（LLM）的新框架，透過模擬不同學習者人格特質來精準預測選擇題難度。

研究證實英語社群媒體中語言不確定性會顯著提升回覆互動，重現先前阿拉伯語研究的不對稱模式。

探討大型語言模型在失智照護中因提示框架變化而產生奉承行為，並顯示其回應質量顯著下降。

本文提出利用同形異義字修改題目，在不改變語意的前提下，防止學生利用 AI 工具直接解題。

研究探討大型語言模型對教師課程設計與學生學習成效之影響，結合問卷與成績資料，提供政策與實務參考。

本文指出生成式 AI 可能打破傳統科技與教育互動模式，並警示其可能削弱學生的產生性衝突與發展過程，呼籲重新設計評量與課程以維護關鍵能力。

系統性分析 40+ AI 代理安全基準，提出六軸分類並證實評估結果缺乏一致性

對 480 起 AI 事件進行跨規範分析，發現治理缺口，並提出以預防為主的四階段合規框架。

結合神經符號的Rulemapping提升網路仇恨言論分類準確率，並避免範圍漂移。

研究發現生成式 AI 的引入雖會降低社群認可感，但能透過擴大需求與競爭激勵，使部分專業人員增加參與度。