教育科技研究速報

本文介紹一套讓表演者能透過無程式碼介面，快速將感測技術整合進沉浸式劇場創作過程的系統。

研究發現提供不同細節程度的解釋能提升使用者對 AI 隱私遮蔽行為的信任，且其效果受遮蔽程度與個人特質影響。

研究發現數位碎片化主要隨每日工作狀態波動，且生成式 AI 的使用有助於使後續工作模式變得更集中且可預測。

研究指出直接將人類大五人格量表應用於大型語言模型（LLMs）會產生誤導性的結果，因為模型並不具備等同於人類的人格結構。

本文主張青少年社群媒體行為受平台規範與同儕認知驅動，而非個人選擇，應透過設計建立信任導向的規範。

研究發現結合家用顯示器與智慧手錶的多裝置設計，能有效提升家庭成員在情緒與目標追蹤上的頻率與協作性。

本研究透過訪談揭示設計師如何透過數據、設計與受眾三個面向，將情感功能融入視覺化設計的過程與策略。

本研究發現 K-12 師生在 AI 信任度與學習的情感社會面向存在觀點落差，且師生關係會影響其對 AI 的看法。

提出 ExPerT 框架，結合語義與按鍵行為動態來推斷用戶專業度，並據此調整 LLM 回應的複雜度。

提出 CriterionSI 方法，利用 LLM 從使用者的連續拖拽行為中推論並精煉聚類標準，實現動態的圖像佈局重投影。

提出一種「流動人格框架」，讓 AI 代理能根據任務情境、使用者目標與緊急程度，動態調整其隱喻角色與人格表現強度。

開發出一種能將自然語言描述轉化為可即時調整、具音樂連貫性且不中斷的程序化音景生成系統。