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。

提出 ItinBench 基準，將路徑優化與語言推理結合，評估 LLM 在多認知維度下的表現，發現其難以同時處理多任務。

本研究提出 GuardEval 基準數據集及 GemmaGuard 模型，旨在提升大型語言模型在辨識隱含偏見、仇恨言論及安全問題方面的能力。

本研究透過分析使用者語音中的聲紋特徵，探索其作為衡量使用者體驗的替代方案，並發現語音特徵與使用者滿意度之間存在顯著關聯。

本研究發現，在 VR 演唱會重現中，抽象的生理訊號視覺化表現比真實的影像更能與原始現場觀眾的生理反應產生同步性，提升共感體驗。