教育科技研究速報

本研究透過數學模型揭示，AI 文字偵測器在辨識學生寫作與 AI 生成文本時，因學生寫作風格的多元性，必然存在不可避免的誤判，且此問題非技術層面可解決。

本研究比較了不同程度 AI 輔助下產出的文獻回顧，揭示了 AI 在文獻回顧撰寫中潛在的偏誤與局限性，並提出了應對策略。

本研究透過「人資模擬器」遊戲，探討大型語言模型（LLM）在電子郵件溝通中的表現，發現人機協作能優於單純的 LLM，並揭示 LLM 對溝通策略的偏好。

本研究提出並驗證了一個新框架，利用大型語言模型直接預測政治議題民意調查的結果分佈，並發現其準確性優於傳統的個體查詢方法。

本研究分析疫情期間身心障礙人士遠距工作的趨勢，發現職業結構是影響遠距工作機會的主要因素，緊縮的勞動市場則有助於提升其遠距工作的比例。

本研究挑戰了先前認為專家角色無法提升語言模型效能的結論，並指出原始研究設計存在多重結構性缺陷，導致結果失真。

本研究探討了 AI 教學中能耗、延遲與學習效果之間的權衡，並提出「學習每瓦」（Learning-per-Watt）指標，以評估不同模型在真實部署環境下的效率。

本研究指出，傳統事實查核可能因受眾的知識體系不同而產生反效果，並提出一種考慮知識體系的修正方法，以減少反效果。

本研究開發並驗證了「FALCON-AI」量表，旨在評估高等教育教職員在教學、研究及服務面向的AI素養與能力。

本研究探討生成式 AI 在學術同儕審查流程中引發的公平性、責任與評估正當性問題，並提出相應的治理建議。

本研究透過分析中學教師使用大型語言模型聊天機器人進行程式設計活動的過程，揭示了教師對聊天機器人的不同態度與需求，並提出了相關設計建議。

本文提出一個新穎的AI驅動分析框架，用於評估跨領域研究團隊如何達成共識，並藉由大語言模型、圖譜分析及專家驗證，探討觀點的演變與影響。