教育科技研究速報

本文提出 nexbax 診斷框架，評估 AI 在基礎設施受限環境下的經濟可行性、操作實用性與社會治理一致性。

本研究提出一個基於 CC2020 模型的可擴展框架，透過分析學習行為數據來量化評估演算法課程中學生的知識、技能與素養。

本研究提出評估與緩解 LLM 生成程式碼偏見的框架，並發現現有緩解策略效果有限。

本研究利用學習分析技術，透過知識網絡分析揭示不同 AI 素養程度學生在寫作任務中截然不同的互動策略。

本文提出一個五階段的 AI 素養發展模型，引導學生從盲目使用轉向具備批判性與責任感的應用能力。

本文提出一個結合深度知識追蹤與因果森林的框架，用以精準評估隨選真人教學對學生學習成效的異質影響。

本文提出「AI 行為科學」的概念框架，探討如何評估 AI 行為、利用 AI 研究人類行為，以及人機互動對社會的影響。

研究提出 Social AI Design Code 框架與 EUDAIMONIA 基準測試，揭示頂尖 LLM 在社交對齊上仍存在顯著風險。

提出結合行為評估與內部表徵分析的框架，用以驗證大型語言模型代理人是否具備真正的目標導向性。

本文批判現有 LLM 推理研究缺乏科學嚴謹性，並針對驗證模型創新與可重複性提出透明度準則。

本文挑戰將 LLM 擬人化的傾向，指出擬人屬性可能僅是基於特定載體的詮釋，而非系統本身的本質。

研究開發了 TUX 指標，透過主觀光譜任務量化人類與 AI 之間在缺乏明確溝通下的隱性對齊程度。