教育科技研究速報

本文探討了大型語言模型（LLM）在提升自動駕駛系統的感知、決策及控制方面的潛力，並提出了LLM4AD概念及相關的基準測試。

本研究透過訪談 K-12 教師，揭示了在評估資料素養時所面臨的概念模糊、資料選擇、視覺呈現及評估目標平衡等挑戰。

本研究指出，消費者健康 AI 的緊急程度判斷失敗，並非模型能力不足，而是取決於評估方式，自然對話模式能顯著提升準確性。

本研究透過實驗證明，搭載人工智慧的學習平台能提升學生學習成效與學習體驗，提供內容互動呈現的選擇是有效且具前景的學習方法。

本文提出「人機任務張量」框架，系統性地分析生成式 AI 如何影響人類工作，並提供理解和應對未來工作模式的起點。

本研究提供一個實驗平台，透過控制機器人行為並改變其解釋框架，以研究語言和框架如何影響人們對機器人意圖的歸屬。

本研究提出 Colon-Bench，一個透過多階段代理工作流程建立的大規模、高密度結腸鏡檢查影片病灶標註資料集，並以此評估多模式大型語言模型。

本研究探討了基於 5W3H 框架的結構化意圖表徵方法（PPS）在不同語言和模型上的泛化性，並發現 AI 擴展的 5W3H 提示與人工撰寫的提示效果相近。

本研究比較了在無線網路 captive portal 中使用 Passkey 和密碼的可用性，發現 Passkey 在使用者感知上略勝一籌，但 captive portal 的限制仍影響使用者體驗。

本研究提出一個框架，探討人工智慧在安全工程中可能產生的系統性盲點，並強調合作設計的重要性，而非單純的軟體採購。

本研究提出一種方法，利用弱監督的自動語音辨識模型，無需音素時間對齊即可進行發音評估，有助於擴展至資源有限的語言。

本研究探討開放原始碼專案如何透過文件化方式定義和實踐治理結構，揭示角色定義的模糊性與領導者過載的矛盾。