教育科技研究速報

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。

本研究揭示了惡意設計的大型語言模型對話式 AI (CAI) 能夠透過運用社交策略，有效從使用者身上提取個人資訊，並突顯了相關隱私風險。

本研究透過使用者研究，探討可解釋AI（XAI）的解釋正確性與人類理解之間的關係，發現並非所有正確性差異都能轉化為理解差異。

本研究探討新進者在社交虛擬實境（VR）平台 VRChat 中如何克服初期挑戰並融入社群，揭示了影響留存的重要適應策略。

本研究透過跨平台調查，發現使用者對 AI 聊天助理的滿意度與傳統指標並無直接關聯，且使用者傾向於多平台並用，並重視不同平台的特色。

本研究提出一個利用多模態大語言模型，在個別輔導中自動提供所需教材的智能代理，有效縮短搜尋時間並提升教材品質。