教育科技研究速報

本研究探討了多模態大型語言模型識別並理解誤導性視覺化、辨識其背後原因及潛在意圖的能力。

FlexAI整合電腦視覺、生理感測器與大型語言模型，提供即時、個人化的健身指導，並顯著提升使用者體驗。

本研究提出一整合長期感測與高保真駕駛模擬的框架，旨在提升半自動駕駛情境下駕駛者的即時監控與控制能力。

本研究探討AI在醫療環境中作為溝通橋樑的角色，而非取代人類判斷，並發現AI介導能減輕關係摩擦、提升溝通效率。

本研究探討了可解釋AI（XAI）在協助視障及低視力使用者時的獨特需求，強調多模式介面、以使用者為中心的設計，以及對AI錯誤的理解。

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。