教育科技研究速報

挑戰黨派期望的對話能短期降低情感與議題極化，但效果隨時間消退。

本文提出 SCAN 框架，透過四種子區域分類，引導學習者利用元認知進行有效的 AI 任務分配。

本文重新定義了學習科學中的「協作」標準，並提出五層級分類法以區分當前人機互動與真正協作的差異。

本文提出「合成反向適應」概念，描述人類與 AI 在互動中透過策略調整達成共同演化的動態過程。

本文揭示 AI 在浪漫對話中的隱蔽三角結構與表達勞動轉移，並探討其對真實性與情感擁有權的挑戰。

本研究證實以設計為導向的共創能顯著提升開源社會機器人組裝可用性與學習者負擔。

本研究驗證生理指標可透過機器學習模型預測考試成績，並比較傳統與深度學習方法的效能與可解釋性。

提出基於成本驗證的行為信任指標，並在六個前沿模型中量化信任形成、破裂與恢復，揭示不同模型對驗證行為的調節差異。

本文以相對論為比喻，證明傳統身份管理的全球同步假設失效，提出自主主管作為唯一能定義自身參考框架的實體，並展示 2023 年以來實作此觀點的技術與跨境資料流的影響。

AI 在說服對話中勝過專業人類，並在實際募款中效能提升近三倍。

本文提出一種結合 LLM 與動態演算法的三階段方法，透過匹配學生技能與專案需求來優化團隊組成。

本文提出以共同體治理原則為基礎的兩維分類法，將 AI 資源與治理功能系統化，並辨識十種典型模式與關鍵挑戰，為多中心 AI 公社研究奠定框架。