教育科技研究速報

本文從機器學習的角度，探討電腦適性測驗的各個面向，旨在提升測驗的效率、準確性、公平性，並促進心理測量學與機器學習的融合。

本研究提出一種離線優先的大語言模型架構，旨在於低連線環境中提供AI輔助學習，並具備適應性回覆層級。

本文探討了如何將大型語言模型（LLM）對齊於人類價值觀的多樣性，並以「將人轉化為營養漿液」的極端場景進行了諷刺性研究。

這項研究發現，大型語言模型在呈現自閉症相關資訊時，反而比人類更容易延續有害的刻板印象，揭示了AI系統在理解和傳達複雜健康議題上的盲點。

本研究探討Reddit使用者如何共同協商並回應ChatGPT相關的隱私問題，揭示了線上社群在AI隱私風險認知與應對中的重要作用。

本研究探討使用大型語言模型（LLM）預測K-5數學及閱讀測驗題目難度之可行性，並發現基於特徵提取的策略優於直接估算。

本研究開發了MediTools，一個利用大型語言模型（LLM）提升醫學教育及解決工作流程挑戰的應用，包含臨床情境模擬、文獻檢索及醫學新聞摘要等功能。

本研究探討了大型語言模型（LLM）在補助提案高風險評估中的能力與限制，並發現分段分析法在準確性和可靠性方面表現最佳。

本文提出一個AI框架，透過語義和語法分析SQL查詢，評估聚合指標可能產生的隱私風險，以促進醫療數據的合規分享。

本研究探討了40個主流社群媒體平台對人工智慧生成內容的治理策略，發現大多數平台著重於內容審核與標示，較少關注所有權及獲利等問題。

本研究系統性分析七款大型語言模型在尼泊爾文化背景下的性別刻板印象，並提出結合顯性與隱性偏見的評估框架。

本文探討將大型語言模型（LLMs）作為研究人類行為、文化和道德推理的科學工具，作為人工智慧研究中生產力和對齊之外的第三個重要方向。