教育科技研究速報

本研究調查大學生使用AI工具的經驗，並探討他們對AI學習伴侶的接受度、益處及擔憂，以及其使用意願與傳統學習活動的關係。

本研究量化了人工智慧資料中心對周圍環境的熱影響，發現其平均能使土地表面溫度升高2°C，並可能影響全球超過3.4億人口。

本研究透過系統性文獻回顧，探討人工智慧如何強化成長駭客、精益啟動、設計思考及敏捷方法等實驗性方法，提升效率與適應性。

本研究透過評估現有估算方法，建立更嚴謹的全球網路犯罪損害基準，約每年 5000 億美元，為評估 AI 對網路犯罪的影響提供依據。

本文提出並分析了「收入分享即基礎設施」（RSI）模式，旨在降低開發者進入門檻，促進生成式 AI 生態系統的創新與包容性。

本文探討情緒AI在語言學習中如何影響學習者的情緒參與度、語用能力及互動素養，並指出AI聊天機器人作為學習工具的潛在優缺點。

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。

本文提出一個耦合動力模型，分析了公眾信任如何影響 AI 治理系統的穩定性，並揭示了信任崩潰的關鍵條件。

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。