教育科技研究速報

本研究透過布里斯托市議會的犯罪率預測數據，揭示了廣泛使用的偏誤緩解技術在政府數據中往往失效的原因，並強調偏誤根源於數據本身的結構與歷史。

本文指出歐盟聊天監控法案將監控延伸至機器人，可能使陪伴型機器人成為監控工具，並帶來隱私與信任危機。

結合空間三元與 SHAP 解釋模型，診斷城市街道運動不平等並提出干預優先區域。

研究顯示，在競爭性決策環境中，所有人皆可進行可行回應，但由於內生選擇機制，初始優勢被放大，導致長期表現差距持續存在。

本研究比較了真相社交平台與 Reddit 上保守派社群的論述，發現真相社交側重於不滿與敘事，而 Reddit 更關注政策辯論。

本研究透過分析 2008 至 2023 年 Twitter 上 28 種語言的數據，揭示了不同國家對烏克蘭的關注度在 2014 年和 2022 年俄羅斯入侵事件後呈現的差異。

利用因果網絡與可穿戴數據，精準預測女性長期COVID嚴重度，並剔除雜訊因素。

本文提出神經語言整合概念，探討LLM作為神經數據與社會應用之語義橋樑的雙重效益與倫理風險，並提出以語義透明、精神知情同意與代理權保護為核心的治理框架。

透過分析 124 萬推文與 21.1 萬新聞，揭示醫學專家與低質量媒體在 COVID-19 科學傳播中的協同放大與資訊流動路徑

生成式 AI 在設計、實作、測試與文件化階段顯著縮短時間，70% 開發者每日使用，但規劃階段效益有限，需加強治理。

提出 Aegis 架構，將 AI 政策轉為可驗證執行條件，並以加密機制確保合規與自動停機。

研究比較 ChatGPT‑4o、Perplexity AI 與 GeminiAI 在提供孕期資訊時的準確性與易讀性，發現 Perplexity 在語義相似度上最接近專家，而 ChatGPT‑4o 文字更清晰易懂，提示 LLM 可作為偏遠地區母嬰健康教育的可擴展工具。