教育科技研究速報

建立高保真度專家領域基準XpertBench，並用ShotJudge評估LLM在80類專業任務中的表現，揭示LLM仍有約66%成功率的專家差距。

提出「歸因梯度」技術，透過整合證據摘要與展開二級引用，提升使用者對 AI 生成內容的批判性閱讀深度。

研究發現新人收到答案後更願意回答，互惠主要在新人階段，隨經驗下降，回應時間30-60分鐘最有效。

客製化GAI聊天機器人以蘇格拉底提問法提升學生互動與認知多樣性，減少認知卸載，與通用型機器人相比，解決成效無顯著差異

提出 SentiAvatar 框架，結合大規模對話資料、動作基礎模型與音訊感知的計畫-填充架構，實現即時、語義與節奏同步的 3D 數位人類動作生成。

提出文化適應藝術品描述生成任務，並用文化基礎問答評估，發現基礎模型表現有限，加入語用說話者模型可提升聽者理解8.2%

研究發現人類來源歸因雖具動機價值，但若缺乏可信度，其學習成效反而低於透明的 AI 歸因。

本研究建立了一個包含 42 名老年參與者、38 小時多模態資料（視訊、音訊、EEG、ECG）並附情緒與認知標註的 MECO 資料集，為老年人情緒與認知模型提供基礎。

提出 AI 與使用者之間的認知對齊框架，指出 AI 互動模式與使用者需求不匹配會導致認知被動或摩擦，並呼籲動態適應的設計以提升資料素養。

DAISY 這一表單工具能提升 AI 使用披露的完整度，且不降低作者對披露的舒適度。

研究發現社交機器人的高參與度並不保證社交能力的遷移，撤回機器人反而能促進兒童向人類社交互動轉向。

揭示公共部門優先化算法在資源稀缺時加劇族群不平等。