教育科技研究速報

本研究透過原型分析識別出七種不同的玩家 AI 接受度特徵，並探討其與個人特質及背景的關聯。

本研究提出一種掌心穿戴式原型，透過間接回饋與主動熱傳遞技術，解決 AR 環境中虛擬與真實物體熱感交互的挑戰。

本研究利用 fNIRS 與眼動追蹤數據，透過 CNN-LSTM 模型在低能見度駕駛環境下實現高準確度的認知負荷預測。

研究發現 LLM 的心理特質多源於測量工具的反應偏差，而非模型本身的真實特質。

本研究透過實證調查，探討使用者如何利用 AI 驅動的「氛圍編碼」工具進行數據視覺化，並分析其操作模式與面臨的挑戰。

研究發現學生即便有視覺化工具，仍傾向將程式碼作為主要學習錨點，其參與度受自主權、表徵契合度與學術正當性影響。

研究發現 LLM 指引雖能提升搜救效率，但會造成注意力分配轉移，且其效果受使用者專業程度調節。

本研究揭示開發者的認知多樣性如何形塑其與 GitHub Copilot 的互動模式、需求及問題解決風格。

研究發現過度依賴符號約束會導致 AI 產生「索引病」，並提出透過「基準日誌物理分離」來維持語義活力。

本研究旨在識別並評估商業環境中人機 AI 代理互動的設計原則、使用者體驗標準及其衡量方法。

開發 HANSEL 系統將 AI 代理的驗證過程從被動閱讀轉向互動式導航，提升驗證效率與準確性。

研究發現 LLM 語音日誌能顯著提升睡眠日誌的完成度與內容豐富度，但也面臨結構化數據精準度的挑戰。