教育科技研究速報

提出一種基於可信執行環境（TEE）的架構，在保護評估模型與準則私密性的同時，確保評估過程可被外部驗證。

提出 Gaussian probing 方法，能在不產生輸出的情況下，透過模型內部表示判別有害與無害的專化，特別適用於 CSAM 等受法律限制的高風險領域。

本文提出 ITAS 架構，透過多代理協作與數據回饋層，解決 LLM 教學系統在實際課程應用中的穩定性與教師資訊落差問題。

本文提出 V.O.I.C.E 分類法，透過大規模實證數據分析合成語音帶來的隱私、安全與治理風險。

本文提出預測市場不僅是預測工具，更是協調機制，並開發信號可信度指數以評估其行為影響力。

本文提出三種人類標註在 RLHF 中的概念模型，並指出不同模型對管線設計的影響，建議將標註拆分為可分離維度並針對各模型調整流程。

提出好奇心與元認知相互依存的統一學習框架，並評估課堂介入與生成式AI對好奇心驅動學習的影響與對策。

實驗證明大型語言模型易被邊緣科學資料操縱，產生可信但錯誤答案，威脅科學素養。

提出一套分面化模型，細緻記錄 AI 在文本產出中的角色與流程，提升透明度與責任追蹤。

研究在發展中國家環境下，重新設計線性方程式教學網頁系統並探討資料收集與偵測學習無助感的挑戰

本研究探討菲律賓餐旅教育在線上教學中的技術、教學、制度及 AI 整合之挑戰與關鍵因素。

微調模型在高風險領域的安全性不穩定，需重新評估