教育科技研究速報

本研究結合系統性文獻回顧與蒙地卡羅模擬，量化生成式 AI 在高等教育中學生成功感知的影響，發現可用性因素對成功分數影響最大。

研究顯示，NIS 規範在 2024 年對關鍵基礎設施網路安全事件的報告覆蓋率不足，且對醫療系統的勒索軟體攻擊報告極為集中。

本文透過分析歐盟於2024-2025年間發布的24份文件，闡明了安全、隱私與自主AI的定義，並探討了相關法規的制定與反思。

本文透過三個實驗性案例，揭示生成式 AI 在地理領域的預設偏好、語法脆弱性、分佈式偏移與對深層理解的忽視，提示教育者需重新審視 AI 的地理知識表徵與推理方式。

提出四項指標以區分 AI 促進人類認知與過度依賴，並強調設計時需考量長期人類認知可持續性。

本研究透過介入一致性測試框架（ICE-Guard）揭示大型語言模型在決策中存在的系統性偏差，並發現權威與框架偏差遠超人口統計偏差。

提出 ChoiceEval 框架，能在真實使用情境下量化 LLM 對品牌與文化的偏好，揭示其對市場公平與資訊多樣性的潛在影響。

本文指出 AI 各主流範式源自心理學理論，並揭示其固有結構限制，提出 ReSynth 三模組框架以解決此問題

本文揭示共識審核導致少數貢獻者策略性順從，並提出以評估穩定性為基礎的兩階段審核算法以提升內容標記準確度。

本研究提出一個「合成-編碼」框架，利用大型語言模型自動化從網路上提取多維度的政治人物傳記，解決政治科學研究中的長期瓶頸。

提出TherapyGym框架，透過CTRS與安全評估，提升治療聊天機器人臨床忠實度與安全性

提出以因果結構為基礎的 HITL 與 HOTL 分類，並細化 HOTL 的時間模式與人機整合方式，為 AI 系統治理提供清晰框架。