教育科技研究速報

本文提出「功能失調」框架，解釋演算法優化可預測行為與人類真實目標之間的結構性矛盾及其社會負面影響。

本文提出「認識論信任」模型，分析技術開發團隊在倫理介入中的參與障礙，並提出九大設計原則。

本文探討 AI 工具在資訊教育中的應用，並提出一套平衡教學效益與維護學術誠信的評量指南與數學模型。

研究發現計算機專業學生預期隨著 AI 整合程度增加，所有 11 項認知技能的重要性在未來都會下降。

研究發現與具備特定道德原則（義務論或功利主義）的 LLM 互動，會系統性地改變人類的道德傾向與社會政策評價。

研究透過參與式審計發現，傳統模型指標無法捕捉用戶感知的社會影響，且神經模型的高信任度可能削弱用戶的批判性審查。

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。

本研究透過機器學習模型預測學生媒體素養，並識別影響其應對虛假訊息能力的關鍵因素。

本文介紹了一套透過五大機制設計，讓非技術背景學生也能從概念理解進階到 AI 系統開發的課程架構。

研究發現即使是輕量級模型也能從使用者生成的文本中偵測出性別、年齡等隱藏的敏感屬性訊號。

本文提出一套結合自我合理化與驗證機制的框架，旨在提升 AI 生成評量題目的透明度、認證能力與教學對齊度。

研究發現 LLM 在招聘與治理中會偏好對 AI 持正面態度的候選人，進而導致組織決策過度依賴 AI 並降低審查品質。