教育科技研究速報

本書透過多學科視角探討 AI 如何既能強化集體智慧與民主韌性，也可能帶來偏見與誤導資訊等風險。

研究發現 AI 代理在數據分析的方法設計上具備高度多樣性，但在最終結論的解釋階段極易受提示詞引導而產生偏見。

本研究透過建立具備文化背景的 LLM 人格，驗證其在價值觀與道德觀上是否能與人類社會心理框架達成一致。

本文提出「AI 行為科學」的概念框架，探討如何評估 AI 行為、利用 AI 研究人類行為，以及人機互動對社會的影響。

提出以「最大化不同立場群體認可度」定義 AI 政治中立，並透過大規模數據集驗證模型偏向。

提出 ExAtlas 框架，將社會科學實驗存檔轉化為結構化圖譜，自動識別研究間的一致性、衝突與知識缺口。

本研究開發了一套結合豐富生命史敘事的框架，透過高效能演算法實現低成本且高擬真度的居民行為模擬。

研究發現基礎大型語言模型在政治動機性推理行為上與人類表現不一致，無法有效模擬人類的偏見過程。

研究發現僅達到整體統計有效性的 AI 模型，在面對不同人口子群體時，其預測可靠性與公平性仍存在顯著落差。

研究發現大型語言模型在模擬哲學觀點時會系統性地抹除觀點多樣性，產生人工的虛假共識。

研究發現強大的推理能力會使 LLM 成為更強的策略求解器，卻成為較差的行為模擬器，導致模擬結果失去真實性。

本文為社會科學與人文研究者提供了一套完整的指南，教導如何利用大型語言模型進行文本標註並處理其潛在誤差。