教育科技研究速報

利用Apriori演算法揭示數學輔導中學習無助學生的行為模式，指出跳題不使用提示最易導致失敗，且介入與無助程度對行為影響不同。

跨國調查顯示，LLM情感支持採用率差異大，受年齡、宗教、婚姻、社經地位影響，英語國家更正面。

透過顏色編碼的危險圖示，提升使用者對馬丁華盛頓山極端天氣預報的風險感知，並揭示設計倫理與多元識讀的挑戰。

本文提出利用大型語言模型即時調整光線、音效與介面，創造情緒感知的混合工作空間，並探討其對專注、福祉與倫理的影響。

本文提出將微表情可視化的概念框架，將難以察覺的情緒線索轉化為可感知的提示，並規劃初步實驗評估其對同理心體驗的影響。

作者針對先前文章的評論進行回應，澄清質性研究評估方法並強調人本視角的重要性

研究發現 AI 介入祈禱時若過度主導，會削弱使用者的真實感與靈性連結，建議設計時應保留使用者的解釋性與自主性。

研究顯示，擬人化語言對 AI 的道德評價影響有限，行為類型才是主要決定因素。

提出好奇心與元認知相互依存的統一學習框架，並評估課堂介入與生成式AI對好奇心驅動學習的影響與對策。

本研究透過出聲思考法探討研究者在使用 LLM 進行早期研究時，面臨問責、透明度與信任三大挑戰的實務現況。

開發一套利用大型語言模型將 EEG 與心血管數據轉化為可讀報告與個性化音樂建議的原型，實現家庭音樂療法的自動化與可解釋性。

LLM 生成的反駁能改變 30% 以上老年人與年輕人道德判斷，且低認知功能者更易受影響，顯示 LLM 既可作認知卸載亦可能帶來說服風險。