教育科技研究速報

本研究驗證了資料驅動的重新設計流程在不同教學單元上的通用性，即使在非針對性改善的單元中，也能提升學習成效。

研究表明，人們若相信 AI 能預測其行為，可能會主動限制自身決策，甚至放棄保證的獎勵，顯示 AI 影響決策方式，不僅是決策內容。

本研究探討遊戲如何作為可解釋介面，透過互動建構解釋，並重新組織玩家的能動性，從直接控制轉向解釋性推理。

本研究探討了在生成式 AI 輔助下，新手程式設計師可能產生的「認知債」，並提出透過元認知腳本來減緩此問題的解決方案。

本研究利用AI聊天機器人收集行人對紐約市人行道棚架的感知，並分析其對行人路線選擇及商店入口辨識度的影響。

本研究探討了在負責任AI（RAI）內容工作中，任務設計者如何辨識、詮釋及傳達潛在的心理健康風險給群眾外包工作者。

本研究透過隨機對照實驗發現，針對法律學生的生成式 AI 培訓能有效提升其使用效率，並改善分析結果的準確性。

本研究透過文獻計量分析，探討智慧醫院生態系統的演進，揭示研究模式、差距，並提出以證據為基礎的政策建議。

此研究指出，生成式 AI 的情感對齊可能對年輕使用者發展自主性構成系統性風險，並建議採用強調功能中立的設計。

本研究探討如何預測大型語言模型（LLM）在自動評分時的準確性，旨在實現選擇性自動化，將高信度預測自動處理，並將不確定案例標記給人工審查。

本研究展示了 Kwame 2.0，一個在非洲 SuaCode 課程中部署的雙語生成式 AI 助教，透過人機協作模式提供高品質且及時的學習支援。

本文建立一個框架，評估任務自動化的最佳程度，發現完全自動化並非總是成本最低，部分自動化通常更具優勢。