教育科技研究速報

本文提出一個由規模、時長與模態構成的三維框架，用以重新定義課堂互動研究，並探討 AI 如何擴張此研究空間。

提出基於互信息的 MIFair 框架，統一多類與交叉性公平評估與緩解。

研究顯示生成式 AI 在搜尋結果呈現、來源選擇與一致性上與傳統搜尋引擎大相逕庭，對網站能見度與資訊品質產生重大影響。

提出一套 Python 框架，統一多平台社群媒體資料結構，並提供可配置匿名化與 LLM 擴充，促進跨平台研究與重現性。

開發出一種名為 TEA Nets 的計算框架，透過提取主體、事件與目標，實現可解釋的情緒檢測與語義分析。

本研究建立190,000筆LLM生成文本資料庫，系統性探討不同人格與社會人口特徵如何影響AI在四大社會議題上的立場與情緒框架，並提供互動式儀表板以審核偏見與對齊性。

建立MEDS資料集，記錄LLM在數學任務中的推理、成績、焦慮與自信，揭示模型偏差與人類類似情緒。

提出多尺度時間-內容框架，揭示新聞消費的層次化時間模式與內容依賴性。

研究發現 YouTube 演算法在政治內容分配與社群結構上存在顯著的性別偏見，強化了社會不平等。

系統測量20款熱門 AI 聊天機器人網路追蹤，發現多數共享對話內容與身份資訊，揭示隱私風險。

提出人機決策關係的五階段光譜，協助領導者調整權力與信任分配，提升決策效能與治理可持續性。

改進 YOLOv8s 的 ALC-YOLOv8s 模型，透過 SPPF-LSKA、CFC-CRB、SFC-G2 與 ATFLoss，提升 mAP50 +1.8% 及 mAP50-95 +2.1%，有效解決課堂中密集、微小、遮擋與類別不平衡問題。