教育科技研究速報

開發 SpheriCity 原型系統，透過強化證據溯源與結構化合成，解決 LLM 在永續報告分析中的幻覺與透明度問題。

研究開發了 Frustrometer 系統，透過融合生理與互動訊號，實現對使用者在視覺化任務中挫折感與停滯狀態的即時預測。

提出一種新型多模態框架，透過非對稱融合機制捕捉不同人格特質對語言、聲音與面部線索的特定偏好。

研究發現即便針對 LLM 設計的心理測驗，其自我報告結果也無法有效預測模型的實際行為表現。

本文探討即時人體姿態估計技術，並開發出一個基於 MediaPipe 的輕量化原型系統，為非專業用戶提供運動回饋。

提出 ASAF 框架，主張代理人的社會身份設計是影響人機協作品質的關鍵界面，而非僅是工程技術問題。

研究發現使用合成數據評估 LLM 個性化能力會產生偏差，且模型在處理真實人類對話與生成個性化回應時仍面臨顯著挑戰。

研究開發了專為緩解錯失恐懼症（FoMO）設計的 LLM 聊天機器人 Moodie，並證實其在提升參與度與社交連結方面優於通用型模型。

研究透過自我獎勵強化學習技術，成功讓大型語言模型展現出更擬人化的情感、意圖與自我意識。

本文提出 Ouvia 框架，透過真實情境研究發現現行語音翻譯在實際溝通中的可用性僅約一半，且存在人口統計差異。

提出一種兩階段方法，解決對話中失敗證據稀疏的問題，實現更精準且具成本效益的早期失敗預警。

研究發現大型語言模型能透過特定的同理心傾聽訊號，有效提升受言語騷擾者的心理韌性與應對效能。