教育科技研究速報

本研究探討了美國女性在使用生成式AI聊天機器人尋求性與生殖健康資訊時，所面臨的隱私與安全問題，並提出相關設計與政策建議。

本研究結合 Grounding Dino 和 Segment Anything (SAM) 模型，利用影片腳本引導注意力，提升 360° VR 影片導覽的使用者體驗。

本文探討了在人機互動日益模糊的背景下，如何設計對話型 AI 系統以確保身份透明度，避免使用者誤信或洩露敏感資訊。

提出利用可視化重建原始資料精度作為自動評估指標，無需人工標註，提升 AI 生成圖表品質評估效率。

建立 16,123 條 Reddit 評論的道德情感標註語料庫，並評估 LLM 與 fine-tuned 編碼器在此主觀任務上的表現。

本研究透過布里斯托市議會的犯罪率預測數據，揭示了廣泛使用的偏誤緩解技術在政府數據中往往失效的原因，並強調偏誤根源於數據本身的結構與歷史。

本文指出歐盟聊天監控法案將監控延伸至機器人，可能使陪伴型機器人成為監控工具，並帶來隱私與信任危機。

結合空間三元與 SHAP 解釋模型，診斷城市街道運動不平等並提出干預優先區域。

研究顯示，在競爭性決策環境中，所有人皆可進行可行回應，但由於內生選擇機制，初始優勢被放大，導致長期表現差距持續存在。

本研究比較了真相社交平台與 Reddit 上保守派社群的論述，發現真相社交側重於不滿與敘事，而 Reddit 更關注政策辯論。

利用因果網絡與可穿戴數據，精準預測女性長期COVID嚴重度，並剔除雜訊因素。

本文提出神經語言整合概念，探討LLM作為神經數據與社會應用之語義橋樑的雙重效益與倫理風險，並提出以語義透明、精神知情同意與代理權保護為核心的治理框架。