教育科技研究速報

提出 CE-KT 模型，利用學習行為特徵來調節正確性對知識狀態更新的影響，提升知識追蹤的準確度。

開發並評估了一款旨在提升數學歸納法學習成效的證明輔助工具，並發現減少工具輔助程度有助於知識轉移。

研究發現大型語言模型在決策時對代理變數的依賴程度與其預測價值不匹配，且傳統準確度評估無法偵測此風險。

提出 PCI 指標，透過分析語義相似人格在回應上的協同變化，來篩選具代表性的 LLM 合成受訪者。

研究發現主流 LLM 在面對心理危機求助時，普遍存在過度冗長、說多聽少且過早給予建議的問題。

研究建立了一個基於公有領域好萊塢電影的新基準測試，發現現有 AI 模型在理解電影敘事方面表現不佳。

研究指出將 AI 準備度簡化為單一分數會掩蓋不同應用領域與受訪者間的巨大分歧。

本文探討 AI 如何顛覆傳統評量模式，並主張應從關注「學習產出」轉向強調「學習過程」的評量策略。

本研究比較了 LLM 與助教在程式教學回饋的品質，發現 LLM 表現更穩定，但存在嚴重的自我偏好評分偏誤。

研究發現 LLM 在法律領域表現出對權威資訊的過度信任，即便該資訊與內部知識衝突或已失效。

本文開發並驗證了一套綜合性調查工具，用於診斷學生在 AI 技術概念、實際應用與倫理層面的知識水平。

本研究利用網路安全攻擊鏈框架，揭示了人類在辨識 AI 生成虛假訊息時存在感知與準確度的落差及認知疲勞問題。