教育科技研究速報

研究發現，結構性心理模型提升系統理解但同時導致更高語法錯誤，揭示使用者對 AI 產出的監督與信任關係的複雜性。

本文指出將人機互動稱為「parasocial」是誤用，並闡述正確理解人機關係的社會性與雙向性的重要性。

研究揭示生成式 AI 在職場中因情境未被充分考量而失效，並提出以互動式實踐取代單純數據收集的設計策略。

本文提出「漸進式認知外化」框架，解釋人類認知功能如何透過環境智慧與數位媒介的協同演化進行轉移。

研究發現透過設計「原創性」激勵機制，能有效抵消生成式 AI 導致的觀點同質化問題。

開發出首款瀏覽器擴充功能 VIGIL，能即時偵測並透過 LLM 緩解網路資訊中的認知偏誤觸發因素。

研究發現西點軍校學員在面對 AI 建議時，比一般大眾展現出更佳的信任校準能力，較不易產生認知扭曲。

研究發現 AI 錯誤率會降低使用者依賴度，但使用者對於 AI 在簡單任務出錯的容忍度與困難任務並無顯著差異。

研究探討透過非強制性的自主學習契約，引導學生在程式學習中更有意識地決定生成式 AI 的使用方式。

本文揭示高維空間中單一閾值函數能分離任意點集，將感知機從邏輯分類器轉為導航指標，並將深度視為資料流形預處理機制。

本研究建立了一個包含 42 名老年參與者、38 小時多模態資料（視訊、音訊、EEG、ECG）並附情緒與認知標註的 MECO 資料集，為老年人情緒與認知模型提供基礎。

提出 AI 與使用者之間的認知對齊框架，指出 AI 互動模式與使用者需求不匹配會導致認知被動或摩擦，並呼籲動態適應的設計以提升資料素養。