教育科技研究速報

研究發現設計系學生將 GenAI 高頻率用於專案初期，且透過反思性實驗與驗證來整合 AI 工具。

研究揭示生成式 AI 透過吸收初階任務，正削弱軟體工程師從新手成長為資深的關鍵學習路徑。

研究發現資工教師目前的 AI 政策多傾向於防範作弊，而非促進學習，這增加了教學負擔並損害師生關係。

本研究透過縱向追蹤發現，學生已將 AI 使用常態化，而教職員仍對學術誠信與評量設計深感憂慮。

透過文獻與 Reddit 社群討論的混合分析，揭示學生對同儕評分的利弊看法及 AI 帶來的信任挑戰。

研究探討了世界模型、簡化與驗證機制對編碼代理解決複雜邏輯任務的貢獻與效能差異。

研究發現 AI 審查者的錯誤偵測能力與其建議被實際採納的能力是分離的，高精準度不代表能有效修正錯誤。

提出一種基於顯性因果圖的推理框架，透過目標感知構建與路徑聚合機制，提升 LLM 在因果問答中的可解釋性與準確度。

本文提出 AI 的可信度不在於任務能力，而在於透過特定行為維度展現出「感知心智」的完整性。

本文提出將 AI 產生的「中斷」視為人機協作的契機，藉由打破流暢感來促進深層的創意反思。

開發 VisAutocomplete 系統，將圖表設計轉化為序列化過程，透過逐步建議引導使用者完成複雜的視覺化創作。

提出 Interactive Mascot 語法，透過建模資訊流與依賴圖模型，實現更自然且具表達力的場景中心化數據視覺化互動。