教育科技研究速報

本研究探討了大型語言模型（LLM）在補助提案高風險評估中的能力與限制，並發現分段分析法在準確性和可靠性方面表現最佳。

本文提出一個AI框架，透過語義和語法分析SQL查詢，評估聚合指標可能產生的隱私風險，以促進醫療數據的合規分享。

本研究探討了40個主流社群媒體平台對人工智慧生成內容的治理策略，發現大多數平台著重於內容審核與標示，較少關注所有權及獲利等問題。

本研究系統性分析七款大型語言模型在尼泊爾文化背景下的性別刻板印象，並提出結合顯性與隱性偏見的評估框架。

本文探討將大型語言模型（LLMs）作為研究人類行為、文化和道德推理的科學工具，作為人工智慧研究中生產力和對齊之外的第三個重要方向。

本研究預測，川普政府提議的聯邦研究經費削減將嚴重影響美國大學，特別是在 STEM 領域，導致大量教職員研究經費不足。

本研究提出 DeepScope，利用深度學習分析未培養水樣的顯微鏡影像，大幅縮短水質安全檢測時間並降低成本。

本研究展示了GSI D-Hub平台，利用可解釋AI促進發展、科技和金融領域的透明匹配，提升數據品質與決策信心。

XInsight 是一個受心理諮詢啟發的多智能體框架，旨在透過模擬「探索-洞察-行動」模式，提升網上心理健康支援的透明度與有效性。

本研究透過兩個實地實驗，探討社交證明（如 GitHub 星星數、下載次數）對開源軟體下載量及開發者參與度的影響，結果顯示其影響微乎其微。

本文認為教育中 AI 濫用問題的核心不在於偵測，而在於學習過程的透明度降低，並提出學習可見性框架以促進 AI 的道德整合。

本研究分析Reddit上關於脫歐的討論，發現意見極化主要源於自我選擇和回音室效應，而非觀點交流。