教育科技研究速報

本文探討 AI 引入的「隱性機器知識」如何與人類知識互動，並重新定義組織創新中的知識螺旋過程。

研究發現，使用擬人化語言描述 AI 對公眾感知的即時影響相當有限，並未顯著改變對技術的看法。

研究指出傳統知識圖譜因過度依賴文本頻率而產生歸因偏差，並提出以時間溯源法修正後，能發現跨傳統的概念結構同構性。

本研究提出三軸保真度框架，探討如何利用小規模人類數據透過微調來提升 LLM 模擬社會問卷的統計準確性。

本文提出 AICID 系統，旨在為 AI 科學家建立類似 ORCID 的唯一識別碼，以確保學術研究來源的透明度。

提出 VirtueMap 框架，利用亞里斯多德美德倫理學來量化並評估大型語言模型在道德決策中的特質剖析。

本文提出「粒度校準法」以解決 LLM 在文本編碼時可能因錯誤邏輯卻得到正確結果的效度問題。

研究證實透過 30 分鐘的結構化訓練，能顯著提升專業人員辨識真實與 AI 生成圖像的準確度。

開發名為 LUMEN 的開源多代理系統，能以低廉成本自動化執行系統性回顧，且結果與專家分析高度一致。

研究發現 LLM 驅動的社交機器人在處理跨文化道德決策時存在顯著偏差，且僅靠提示工程難以完全修正。

透過大規模 AI Token 消費數據，研究發現 AI 曝險程度高的企業與特定職業能獲得顯著的市場溢價。

研究證實僅需 45 分鐘的引導式提示詞教學，即可顯著提升學生對 LLM 提示詞撰寫的自我效能感。