教育科技研究速報

提出以驗證者為核心的模型，透過分解處理流程與信任架構，解釋數位憑證互操作性失效的原因。

本研究分析學生如何透過自然語言註解引導 AI 生成程式碼，並提出描述規範的三維分類法。

本文提出 TIC 分類法，從六個維度系統性地分析數據在轉化為敘事過程中所產生的錯誤與偏差。

透過比較社會技術系統與以人為本的 AI 指引，提出應結合技術與社會實務來優化 AI 系統設計。

本文提出「干預能力」作為以人為本 AI 的新設計維度，旨在強化人類對 AI 系統的控制、自主與監督能力。

本文揭示了推理型大語言模型在決策支持中存在的語義上下文漂移現象，並提出衡量控制穩定性的數學模型。

本文探討 AI 訓練數據因包含過多生成內容而導致的「模型崩塌」現象，並從媒體考古學角度重新審視其美學意義。

研究提出 Gauntlet 框架，透過多代理人協作與對抗式合成，在技術論文的深度批判能力上超越了人類研究員。

本研究透過概念圖分析大學生對生成式 AI 的認知結構，發現其知識多停留在表面層次。

研究指出全球中學資訊教育的結構性差異，導致學生在 AI 素養的深度與程式語言接觸上存在嚴重的不平等。

研究發現大型語言模型在歷史教學中對弱勢學生存在系統性偏見，導致知識獲取的差異化與敘事隔離。

提出 DeepBias 框架，透過動態生成與演化循環，深度挖掘大型視覺語言模型中隱藏的社會偏見。