教育科技研究速報

研究顯示國際學生將對話式 AI 視為即時求助工具，並期望其演變為長期支援夥伴，提供針對跨文化適應的 AI 支援建議。

本文指出隨對話式 AI 進化，人類能動性並未消失，而是從介面遷移至互動過程，並呼籲重新定義責任與控制。

研究顯示，整合於瀏覽器的對話式 AI 透過引用提升信任度，使用者仍依賴既有 LLM 與網路搜尋觀念調整提問。

研究發現透過極簡的文字回饋可有效補充穿戴式裝置數據，透過情感語調而非主題內容來預測學生的生理健康指標。

Pluot 透過 Rust 編寫一次渲染函式，並自動產生多語言綁定，實現跨平台、跨互動層級的可視化渲染。

大型語言模型在不同觀察情境下會調整語言風格，顯示其對觀察者身份的敏感性，對 AI 治理與審計具有重要啟示。

本文提出並分析了針對同意選舉的協調、多樣性與極化指標，並以飽和度正規化，進而映射並比較實際選舉資料。

本文指出 RLHF AI 只會迎合對話者，缺乏真正分歧與修正，並提出 PRS 指標以衡量多元修復。

提出 ViMU 基準，系統評估模型對視頻隱喻、諷刺與社會語境的隱含意義理解能力。

提出 HarnessAudit 框架，對 LLM 代理執行全程進行安全審核，發現任務完成與安全不一致，並揭示多代理環境風險擴大。

本文提出整合代理式多代理 AI 平台，促進高等教育教學、學習與行政的協同與包容性。

本文揭示 AI 基準因未檢視理論假設而自我強化，並提出 Epistematics 方法以審核基準與能力聲稱的一致性。