教育科技研究速報

研究證實 LLM 能透過多模態感測數據有效預測團隊協作行為，在對話預測上表現優於傳統模型。

提出 PSI 架構，透過共享狀態層將孤立的 AI 生成工具轉化為具備連貫性與跨模態協作能力的個人計算環境。

本文提出「LLM 原生圖表」概念，將靜態圖表轉化為包含完整數據溯源與程式碼的互動式介面，以加速科學發現。

研究發現透過沉浸式敘事與知識補充的歌曲介紹，能有效提升使用者對非慣常音樂風格的探索興趣。

本文提議建立一套以讀者為中心的分類法，將 AI 生成內容與來源文件的關係從二元判斷轉向細緻的支持關係分析。

研究開發了一種結合第一人稱視角與注視點數據的 AI 助手，能精準識別學習困難並提供個性化引導。

開發 Kinetiq 系統將數據解題與全身微動作結合，在維持學習成效的同時顯著提升學習者的參與度與情感體驗。

開發 Narrix 工具協助新手作者識別範例故事中的敘事策略，並透過受控生成技術將其應用於自身創作。

本文介紹 COSMIC 系統，利用 LLM 與數位分身技術，在類比太空任務中提供情感支持以緩解極端隔離壓力。

研究提出 GUIDE 系統，透過生成式體驗動態調整互動結構，能有效減輕壓力並提升使用者體驗。

本研究透過分析 Character AI 的大量負面評論，揭示了軟體版本更新如何影響用戶評價，並探討其潛在的心理影響。

本研究透過使用與滿足理論，揭示了使用者透過 AI 伴侶獲得獨特的心理滿足感及其隨時間演變的過程。