教育科技研究速報

本研究發現，透過 LLM 輔助的開放式自我解釋，能提升學生在微積分轉移問題中，特別是「資訊不足」問題的解釋品質。

本研究比較了在大學離散數學課程中，基於 LLM 的聊天機器人與嵌入式反饋工具對學生數學證明學習成果的影響，發現單純的聊天支持可能不足以提升學習轉移。

本研究提出生成式因果中介(GCM)方法，能精準定位並控制大型語言模型中分散於多個token的行為，例如風格轉換或拒絕回應。

本研究利用嵌入式基準測試框架，揭示了教育大模型在提供回饋時存在的性別偏見，即使在最先進的模型中也存在非對稱的語義回應。

本研究揭示了自動化毒性模型在評估非標準英語（如非裔美國英語）時存在的系統性偏誤，並提供互動式工具提升AI素養。

本研究透過協同設計，探討群眾外包負責任AI內容工作中的風險揭露機制，旨在平衡工作者保護、任務設計者需求與平台責任。

本研究發現，標記為 AI 輔助撰寫的訊息，會減弱人們對發件人道德特質的判斷強度，而非直接產生負面印象。

本研究提出一個能抵抗車內鏡頭位置變化的駕駛行為監控網路(DBMNet)，透過特徵分離與對比學習提升駕駛人分心偵測的準確性與泛化能力。

本研究提出一個嶄新的專案管理框架，利用生成式 AI 技術填補學術與研究團隊中人格特質與角色的空缺，以提升團隊多樣性。

本研究探討學生在程式設計問題中，對 AI 助理的信任如何影響其適當的依賴程度，並考察 AI 素養與認知需求在其中的調節作用。

本研究探討推薦系統中普遍存在的流行度偏差問題，並提出一種基於激活向量調整的解決方案，以提升推薦結果與使用者流行度偏好的對齊程度。

本研究挑戰了 AI 協作談判對所有使用者都同樣有效的假設，發現人格特質會影響談判結果。