教育科技研究速報

本研究探討了在機器演算法提供多個同樣優質的解決方案時，人類如何選擇最易於理解的方案，並揭示了影響可解釋性的結構性特徵。

本研究探討了時間限制如何影響大型語言模型（LLM）在批判性思考任務中的作用，發現時間可用性會反轉 LLM 的輔助或阻礙效果。

本研究探討了資訊環境如何影響使用者對資料外洩威脅的回應，並發現資料外洩的不確定性比明確的風險更影響使用者對個人化AI的接受度。

本研究提出 Infusion 框架，透過微調訓練資料，利用影響函數近似值系統性地塑造模型行為，並證明少量修改即可有效影響模型。

本文探討使用者對聊天機器人的信任並非基於其可靠性，而是受到互動設計和認知偏誤的影響，並建議重新將聊天機器人視為具有銷售目標的工具。

本文提出CMASE框架，結合生成式智能體建模與虛擬民族誌方法，支援研究者嵌入、互動參與及干預虛擬社會環境。

本研究系統性地回顧自然語言處理領域中與 LGBTQIA+ 社群相關的文獻，揭示了目前研究的趨勢、缺口，並呼籲更公正、包容的技術發展。

本研究發現，生成式 AI 的使用顯著促進了非英語國家科學文獻向美國英語的語式收斂，尤其是在低影響力期刊上。

本研究提出一種新穎的教學方法，利用AI生成的歌曲和虛擬化身呈現課程大綱，以提升學生的參與度、理解度和資訊記憶。

本研究揭示了在工作場所中，人們對 AI 管理者的性別認知，與對人類管理者的性別偏見相似，尤其在獎勵分配後更為明顯。

本研究透過文本分析，評估十四個產業領域中生成式AI與LLM的治理，旨在平衡創新、倫理責任與公平存取。

本研究評估了七種前沿大型語言模型在政治議題上的說服力，發現其優於傳統競選廣告，並揭示模型間存在差異。