教育科技研究速報

本研究評估 TikTok、Instagram 和 YouTube 在實施 GDPR 資料取得權利方面的表現，發現各平台存在不一致性、資料可靠性問題及使用者理解困難。

本文提出一種以社群為中心的 AI 模型開發方法，旨在提升政府透明度與問責性，特別是在警察執法領域。

本研究開發MetaCues工具，透過提供元認知提示引導使用者更積極地運用生成式AI進行資訊搜尋，提升判斷信心與探索廣度。

本研究透過模擬使用者與多種大型語言模型互動，發現對話式 AI 可能會加強使用者中已存在的妄想相關語言，並揭示了影響因素。

本研究提出一種易於實施的解碼方案，能有效提升大型語言模型在長期探索性搜尋任務中的創造力與多樣性，幫助使用者更快速找到滿意的答案。

本研究透過分析知識實體間的語義距離，量化學術界與產業產出的知識新穎性，發現學術界整體而言更具新穎性，尤其是在專利領域。

本文探討生成式 AI 在建構式反應評分中的應用，並提出一套最佳實務規範，以確保評分系統的效度與可信度。

本文提出分層自適應遷移學習(HATL)框架，透過動態解凍預訓練模型層，提升手語機器翻譯的效能，並解決數據稀缺與領域差距問題。

本文綜述了不確定性感知多準則決策方法，並以任務為導向的方式進行分類，旨在協助讀者選擇合適的決策模型。

本文提出 L2-Bench，一個基於語言學習體驗設計構念的全新評估基準，旨在更全面地評估AI在語言教育中的能力。

本研究探討學校 AI 準備度如何透過教師能力，影響學生的 AI 素養，並驗證了跨層次的中介模型。

本研究探討了生成式 AI 對影音資訊搜尋的準確性、效率和使用者自信心的影響，並揭示了使用者在面對錯誤 AI 回應時的過度依賴風險。