教育科技研究速報

本研究探討混合實境（MR）如何整合 UI/UX 設計中紙本與數位工具的優勢，以實現流暢的混合設計工作流。

本研究證實透過調整音訊頻率、動態與方向性，能有效改變觀眾的情緒感知與沉浸程度。

本文提出「合成共鳴」概念，用以定義人類與 AI 之間無需擬人化即可產生的結構化互動關係。

研究發現 LLM 在模擬人類行為時存在「人格流形崩塌」現象，即過於豐富的人格描述反而會降低行為多樣性。

本文提出一個新框架，將 AI 的情感訊號視為人機協作中協調能力、不確定性與責任的關鍵控制層。

本研究透過多維度分析揭示了 LLM 擬人化行為的普遍性、適當性差異及其受系統提示控制的特性。

研究提出一種讓 LLM 生成與使用者具有相似核心關切但背景不同的「內群體人格」，以提升人機互動的親密度與參與度。

研究發現社交機器人透過「自我修正」錯誤，比依賴外部來源更能維持其專業度與信任感。

研究發現危機諮商中個案懷疑對象為 AI 的比例正在上升，且即便諮商師澄清也難以完全消除疑慮。

本研究分析了用戶在數位安全與隱私領域對 LLM 的真實提問，發現商業模型表現優於開源模型，但存在回應不一致的風險。

開發出結合下顎與面部肌肉發音動作的多模態系統，提升了微弱情緒辨識的準確度。

開發 ParaTutor 系統，透過為家長與孩童提供差異化鷹架，解決傳統 LLM 削弱親子教學角色分工的問題。