教育科技研究速報

本研究探討如何透過優化提示設計與批次處理策略，在醫療模擬對話分析中取得準確度、速度與永續性的最佳平衡。

研究證明透過數位表型技術（Screenomics）結合行為數據，能有效預測個體未來兩週憂鬱症狀的惡化或改善。

本文指出醫療 AI 的倫理問題不應僅限於後端演算法，前端介面設計造成的使用者與 AI 間權力不對稱亦是關鍵倫理失效。

研究發現 AI 傷害並非單一身份類別造成，而是多重身份交織時會產生更嚴重的放大效應。

研究發現當 AI 的行為被視為人類設計的產物時，人們會對其施加更嚴格的義務論道德標準。

本研究評估了多代理人 LLM 教學系統在不同併發規模下的延遲表現與成本效益，為大規模部署提供指導。

本研究開發了 QubitQuest 迷你遊戲系列，證明遊戲化教學能有效提升初學者對量子計算概念的理解。

本文主張應嚴格區分聊天機器人的商業與非商業對話情境，以防止隱性廣告侵蝕用戶自主權與情感親密度。

研究發現大型語言模型在模擬哲學觀點時會系統性地抹除觀點多樣性，產生人工的虛假共識。

本研究透過出聲思考法探討研究者在使用 LLM 進行早期研究時，面臨問責、透明度與信任三大挑戰的實務現況。

研究發現多代理 LLM 評估系統存在隱蔽的身份偏誤，且部分匿名化會掩蓋真實的偏誤現象。

本文探討 AI 如何使判斷力變得廉價，進而導致驗證、合法性與真實來源等要素變得稀缺，並呼籲重新設計社會制度。