教育科技研究速報

本研究提出一種方法，利用弱監督的自動語音辨識模型，無需音素時間對齊即可進行發音評估，有助於擴展至資源有限的語言。

本研究揭示了惡意設計的大型語言模型對話式 AI (CAI) 能夠透過運用社交策略，有效從使用者身上提取個人資訊，並突顯了相關隱私風險。

本研究透過使用者研究，探討可解釋AI（XAI）的解釋正確性與人類理解之間的關係，發現並非所有正確性差異都能轉化為理解差異。

本研究透過跨平台調查，發現使用者對 AI 聊天助理的滿意度與傳統指標並無直接關聯，且使用者傾向於多平台並用，並重視不同平台的特色。

本研究提出一個利用多模態大語言模型，在個別輔導中自動提供所需教材的智能代理，有效縮短搜尋時間並提升教材品質。

本文提出TopoPilot，一個基於可靠性設計的代理人框架，能自動化複雜的科學視覺化流程，特別針對拓樸數據分析，並具備良好的擴展性。

本研究重新定位AI在醫療保健中的角色，從獨立助理轉變為嵌入多方照護互動的協作者，以改善患者、照護者和臨床醫師之間的溝通與理解。

本研究提出PII Shield，一個瀏覽器擴充功能，旨在幫助使用者在與AI互動時，控制並管理個人可識別資訊（PII）的分享。

本研究探討了在醫療領域設計的AI資料科學系統如何透過可讀的查詢語言、概念定義等中間產物，支持使用者進行推理、精煉問題，並貢獻其專業知識。

利用使用者對AI生成內容的編輯，將隱含專業知識轉化為隱式領域規範，並透過多代理LLM系統自動調整推理與學習。

本研究探討了在AI介導的溝通中，提供不同程度的解釋如何影響使用者對系統隱私保護的信任感。

本研究透過元分析揭示了 AI 在短文自動評分方面的表現落後，並探討了其在不同難度題目、模型架構及文字處理上的弱點。