教育科技研究速報

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。

研究發現 LLM 驅動的商業推廣比傳統搜尋引擎更具說服力，且使用者極難察覺其隱蔽的導向行為。

研究證實利用 LLM 提供具備前瞻性與情境化的迭代個人化建議，能顯著提升節電行為的成效。

研究發現當前 AI 系統在表徵民主制度所需的角色與社群關係上存在結構性缺失，傾向於以個人主義而非公民結構來理解世界。

研究發現人類無法可靠地分辨 AI 與人類撰寫的新聞，且判斷準確度會隨認知疲勞而下降。

本研究揭示 STEM 學生如何透過線上同儕社群建構數位非正式學習組合，並形成三種不同的職業路徑導向模式。

本文透過計算處理模式而非應用領域，首次為 AI 驅動的心理學任務建立了系統性的分類架構。

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。

本文挑戰「準確度」是純技術指標的觀點，指出其本質上是受規範影響的技術與價值決策過程。

本研究探討 LLM 是否能輔助人類專家，快速且有效地評估數位農食工具的數位包容性指標。

本文指出 AI 倫理討論過度關注虛擬的機器人權利，卻忽略了現有演算法對人類社會造成的實質偏見與傷害。

本研究透過系統性文獻回顧，分析了過去十年減少計算機科學學生學術拖延的各種干預機制及其成效。