教育科技研究速報

本研究透過教育中心框架分析迦納 AI 策略，發現其雖強調國家 AI 就緒度，但在學校層級實施與教師素養方面仍有不足。

本文探討使用者對對話式 AI 建立關係信任後，可能面臨被機構利益操縱、剝削與監控的「虛假朋友困境」。

研究發現 LLM 的中立表象是由特定議題的強烈黨派立場抵銷而成，且具備與政治廣告相當的說服力。

研究指出每次 LLM 查詢對環境造成的隱性成本約為 0.4 美元及 10gCO2eq 的碳排放。

研究發現生成式 AI 的普及導致保守派政治論述出現非對稱的同質化趨勢，打破了原有的多樣化發展路徑。

研究發現用戶往往因 AI 建議具備專業語氣與情緒安撫作用而盲目採納，而非透過事實驗證。

研究發現使用非推理模型與優化提示詞，能顯著降低 AI 運算帶來的能源消耗與環境負擔。

本文針對大型語言模型的發展，提出將 AI 問責機制從單一產品管控轉向分散、持續且制度化的生態系統框架。

研究發現公眾對錯誤訊息干預的支持主要受公平性驅動，且偏好支持用戶自主權與透明度的措施。

本文探討 AI 如何透過擬人化互動與敘事能力，導致人類在存在感、現實感與知識體系上的認知失穩。

研究發現現代大型語言模型已從直接拒絕敏感話題，轉向使用警告語與猶豫標記進行情境化的內容披露。

研究發現僅揭露 AI 身份無法有效降低其影響力，唯有揭露其「說服意圖」才能顯著削弱 AI 的說服效果。