教育科技研究速報

提出一種低程式碼/無程式碼流程，旨在協助非技術人員快速建模並生成具備個人化能力的對話式代理人。

本研究開發了一套結合實體玩具與 AI 的對話系統，探討教育性腳手架如何影響兒童在共同創作故事時的參與度與敘事品質。

研究發現 VR 中的深度壓縮效應會導致使用者高估身體尺寸，進而影響對環境空間的感知與動作執行。

本文提出一種基於強化學習的 AI 教練框架，透過動態調整輔助程度，在避免過度依賴的同時加速人類運動技能的學習。

本研究提出首個利用事件相機捕捉微秒級眼動特徵，並透過時空編碼框架實現高精度認知負荷識別的數據集與模型。

本文提出一個系統性框架，透過顯式互動約束來提升 LLM 在身心健康建議中的透明度、可控性與信任感。

研究發現 VR 互動延遲會對空間準確度與時間效率產生不同的影響模式，準確度受損比移動時間更早發生。

研究發現 LLM 的推理過程（Rationales）若錯誤會顯著降低信任，且用戶在面對錯誤推理時會投入更多認知努力。

本文提出「數位皮拉漢現況」模型，探討數位環境如何導致認知淺層化，並建議透過教育設計重構認知生態。

透過參與式設計，建立了一個結合使用者需求與臨床專業的 AR 干預設計資源庫，以支持即時情緒調節。

開發了一套能自動偵測並緩解 AR 內容遮擋實景問題的系統，顯著提升了倉庫人機協作的效率與安全性。

本文探討主動式系統在定義上的模糊性，並呼籲建立更嚴謹的框架以解決設計與評估中的挑戰。