教育科技研究速報

研究發現 LLM 在風險決策中雖表現出與人類相似的結果，但其背後的決策機制與人類並不一致。

研究發現具備推理能力的 AI 能像社會多數群體一樣，顯著影響人類在道德困境中的決策傾向。

研究發現對話式 AI 能降低資訊獲取的互動成本，但圖形化儀表板在全局概覽與數據驗證上仍具優勢。

提出一種將「預測失控機率」與「觸發警報決策」解耦的新方法，透過模擬對話恢復的可能性來降低誤報率。

研究發現 LLM 的敘事性解釋雖能增加人類對 AI 的依賴，但並未提升決策準確度，甚至可能干擾判斷力。

研究開發了一種能根據個人思維模式進行適應性調整的對話代理人，以促進決策時直覺與理性的整合。

本研究揭示兒科病患、照顧者與醫師對互動儀表板、VR模擬器與 AI 語音助手等協同決策技術的不同接受度，並指出信任是關鍵因素。

透過分析真實對話數據，揭示人類在決策時傾向於「滿意法」而非「最優法」，並發現決策策略在探索與執行階段的頻率與效率差異。

研究發現透過「思考軌跡」能使 LLM 的決策行為更接近人類，但在複雜動態環境下的適應力仍不及人類。

本文探討在高風險決策情境下，如何透過機器智慧提升決策者的自信、風險容忍度與情境感知，以應對資訊噪音與時間壓力。

本文提出一個數學公式，用以估算由多個 AI 組成的委員會在篩選過程中能提升多少精準度。

本文提出「道德對齊」是人類與 AI 決策中比功能對齊更核心的維度，強調 AI 決策邏輯須符合利益相關者的道德直覺。