教育科技研究速報

本文透過代理人模擬研究，將信任視為集體資源，揭示錯誤資訊如何透過消耗社會信任與注意力資源導致系統崩潰。

提出 ARLtR 框架，透過自動化方式結合知識圖譜與文本檢索，生成具備事實根據的問答對與數據集。

本文推出首個針對 Word、Excel 與 PowerPoint 原生格式進行綜合理解力評估的公開基準測試 OCB。

本文透過數位人文方法探討 AI 時代知識價值的轉變，提倡從傳統知識觀轉向「生成性」價值框架。

研究提出將 AI 監督從「對抗式辯論」轉向「協作式尋求真相」的新範式，顯著提升了非專家模型的判斷準確度。

本文提出一套審計框架，旨在應對 LLM 產出的偽理性認知風險，並將 AI 生成內容回歸至可驗證的實務流程。

研究發現記憶架構對 LLM 代理人協作語言的影響力大於通道容量，具備「私人筆記」的架構能有效避免協作崩潰。

本文提出 MMM 資料模型，旨在打破以文件為中心的限制，建立一種兼具結構規範與表達自由的知識記錄架構。

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。

本研究透過回顧兩百多篇論文，揭示了視覺分析如何作為橋樑，讓人類知識有效介入機器學習流程。

本研究開發了一個包含文本、圖像與音訊的多模態學術論文資料集，並證實融合多種模態能提升關鍵字提取的準確度。

提出一種將文檔集合投影至類地球球面的視覺化方法，透過緯度與經度呈現敘事進度與主題偏差。