教育科技研究速報

本研究對巴塞隆納就業機構的招聘系統進行端到端審計，揭示了單純技術評估無法捕捉到的社會技術性不平等。

本文主張生成式 AI 的公平性問題應從單純追求「描述準確性」的呈現公平，轉向基於政治理論的「承認正義」。

本文定義了「主動式運算」新範式，探討系統如何透過感測與預測，在使用者明確要求前主動採取行動。

本研究利用大型語言模型自動化分析課程學習成果與職缺能力需求，發現課程內容與市場需求存在系統性落差。

本文提出一種 X1-X2-X3 評量設計模式，透過要求學生對比、產出與評估 AI 回答，來強化 AI 素養與評量效度。

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。

研究開發了 FMG-Bench 基準測試，用以評估 LLM 在基督教神學諮詢與牧養指導中的安全性與適當性。

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。

本文展示了一款利用大型語言模型驅動生成式內容、NPC 決策與自然語言互動的 AI 原生遊戲設計框架。

本研究提出一種將 LLM 作為語義編譯器而非自主代理人的遊戲架構，讓玩家透過自然語言編寫規則並進行語義除錯。

提出 ATOM 框架，透過幾何感知與微手勢技術，將各種日常物品轉化為可互動的觸感使用者介面。

本文提出「社會雙重性」框架，用以分析人機互動中具有序列性、互惠性且承載歷史紀錄的動態關係過程。