教育科技研究速報

本研究利用眼動追蹤技術，揭示了人類在成對 AI 圖像評估時的認知過程，發現視線模式能預測偏好選擇與信心程度。

本文概述並評估了不同類型的年齡驗證技術，分析其效能、潛在副作用及使用者接受度，並提供保護未成年人於網路上的建議。

本研究分析 Reddit 社群中不同群體（學生、教師、混合群體）對生成式 AI 在高中教育中的討論，揭示了其在學習、學術誠信和情感影響方面的差異。

本研究揭示科學家對研究構想的評估並非固定不變，而是會隨著時間產生漂移，這對利用 AI 協助科學發想的系統設計具有重要影響。

開發並評估一套多語言 AI 介面，能自動將文本映射至相關圖像，提升特殊教育學生的閱讀理解與互動性。

本研究探討性別相關的溝通方式如何影響 LLM 輔助的程式設計與程式碼審查，發現 LLM 評估階段存在性別偏見。

提出一套開源系統，利用有向無環圖與網路代理自動評估研究論文的可信度，並與專家判斷高度一致。

結合神經符號架構與注意力編碼器，解釋性整合眼動與fNIRS訊號，提升疲勞辨識準確度並可視化概念激活與規則強度

研究顯示，手機使用者、年長者及女性在辨識 AI 生成肖像時準確度下降，且自信與 AI 接觸度能部分緩解年齡效應。

提出以 GenAI 生成的示例式支架，協助初學者在程式課程中獲得類比推理而非直接複製，並提供分類法、設計指引與原型實驗。

提出一套可重複的現實到VR流程，利用子毫米級地面激光掃描與 Unreal Engine 5，創造高寫實度、90Hz 稳定的廚房環境，並在 17 名老年人中驗證低網路症狀與實驗靈活性。

提出一套基於差異項功能分析的統計方法，能辨識人類與大型語言模型在評量題目上系統性差異，協助設計更抗AI作弊的考題。