教育科技研究速報

研究發現對話歷史會顯著影響 LLM 的安全性，部分模型會因累積的上下文而強化使用者的妄想信念。

AI 只用敏捷規劃節省時間成本，但風險捕捉低、重工高；人類主導適應力強但成本高，提出 AI‑人類混合模型平衡效率與效能。

提出 EMGFlow，首個使用流匹配生成表面肌電資料的框架，顯著提升合成資料品質與效率，並在三大基準資料集上優於 GAN 與擴散模型。

研究證實，約一半以上的短問題可在 60 秒內得到專家協助，並提出設計即時人對人幫助工具的啟示。

透過共設計工作坊，探討32名青少年對生成式AI聊天機器人於心理健康服務的看法，提出四大主題與實務建議。

研究發現傳統教室用的 TalkMoves 編碼本在轉向一對一輔導與多模態數據時，存在泛用性不足與解釋模糊的問題。

本文提出一種由 LLM 驅動的無程式碼流程，能將自然語言指令轉化為眼動追蹤數據分析與事件檢測。

利用生成式 AI 生成符合輕度認知障礙者需求的廚房設計，並證實其可提升使用者滿意度與自信，提供低成本可擴展的 DIY 方案。

本研究透過語音轉換技術，揭示了 SpeechLLMs 在處理不同口音與性別特徵時存在的交織性偏見與服務品質差異。

大型新聞出版商透過封鎖 LLM、提升內容深度與創造新職缺，對生成式 AI 競爭做出策略性調整，並證實其對流量與工作市場的影響。

研究發現將決策門檻調至58-59%可使投票權與配額差距最小化。

研究大型語言模型在決策情境中對人類的信任形成，發現其信任受能力、善意、正直三維度影響，並揭示年齡、宗教、性別偏差。