教育科技研究速報

本文探討如何捕捉和詮釋創意活動的細微變化，以反映創意實踐的結構，並提出三種互補方法提升創意工具的記錄與分析能力。

本研究提出 NarrativeLoom，一種基於盲目變異與選擇性保留理論的多角色協作系統，能顯著提升故事的創意性與品質。

本研究探討在早期發展情境中，如何透過分層社群協調，有效整合多模式大語言模型（MLLM）於專家與家長的互動中，以達到更佳的協調效果。

本研究提出一種新穎的方法，利用對話系統收集資訊並生成使用者評論，以減輕撰寫詳細評論的負擔，並提升評論的實用性。

本研究分析了YouTuber社群如何分享及實踐利用生成式AI獲利的方法，並揭示了平台化環境下創作勞動的結構性張力。

本研究探討了AI在與青少年互動時應負有的責任，並強調擬人化設計在降低風險、促進青少年自主性和技能發展方面的作用。

本研究提出MindfulAgents，一個由大型語言模型驅動的多重代理系統，能根據專家建立的正念框架，提供個人化的冥想體驗，並顯著提升使用者參與度與自我覺察。

本研究透過隨機對照實驗，探討人工智慧輔助對詩作閱讀理解與享受度的影響，發現少量AI輔助能提升表現與樂趣。

本研究提出一個基於貝氏說服理論的框架，用於評估和訓練大型語言模型（LLM）作為策略性說服者，並發現LLM能有效提升說服力。

本研究提出 Llama-Mob，一種透過指令微調的大型語言模型，在城市規模的長期移動性預測任務中表現優異，並具備良好的零樣本泛化能力。

本研究提出一種離線優先的大語言模型架構，旨在於低連線環境中提供AI輔助學習，並具備適應性回覆層級。

本文探討了如何將大型語言模型（LLM）對齊於人類價值觀的多樣性，並以「將人轉化為營養漿液」的極端場景進行了諷刺性研究。