教育科技研究速報

本文提出一套在研究生產過程中建立可審計性的工程規範，透過技術手段確保 AI 參與過程的透明度與可追溯性。

本研究評估了 AI 生成的互動式敘事在高等教育 STEM 領域的應用，發現內容連貫性與測驗整合是目前的主要挑戰。

研究發現截至 2025 年底，近九成生物醫學論文出現 LLM 相關詞彙過剩現象。

提出 INSIDE 框架，透過結合布魯姆分類學的內部對話與行為微調，提升 LLM 學生模擬器的推理與行為真實度。

本研究探討了使用多模態大語言模型進行半結構化面試時的行為模式、技術故障及受訪者的信任動態。

研究證實透過 LoRA 微調小型開源模型，能有效且精準地自動化分析學生數學隱喻的效價與主題。

研究發現現有的電腦視覺注意力模型在預測人類視線時表現不佳，且存在顯著的人口統計學偏差。

研究發現 AI 模型內部的潛在社會地位關聯，並不一定會轉化為實際決策中的偏見行為。

提出 DED 學習動態與 Syrup 語言，協助學生將直觀的電路圖轉化為精確且可測試的程式碼。

研究發現環境設計與視覺元素是影響元宇宙使用者體驗的關鍵因素，而通訊功能對體驗的影響並不顯著。

本研究利用文化人類學的文化共識理論，揭示大型語言模型在模擬人類文化多樣性時存在過度簡化或無法形成共識的問題。

本研究探討技術進步對媒體素養的影響，指出當前教育在整合新技術與培養批判性思維方面仍面臨挑戰。