教育科技研究速報

本文提出三條關鍵路徑，促使 AI 研究者成為科學發現的主導力量。

本研究以PRISMA框架整合社會科學與計算方法，揭示網路性侵研究碎片化問題並提出跨領域預防與偵測策略。

本文評估 AI 研究工作流程，證實人類直覺提示與多輪互動提升 LLM 表現，且 LLM 仍略遜於一年級博士生。

文章主張「認識論警覺性」是人類利用 AI 進行科學學習與研究的關鍵約束，決定了 AI 是輔助學習還是造成誤導。

研究提出 SearchGEO 框架，揭示 LLM 搜尋代理易受網路惡意內容操縱，導致其將錯誤資訊轉化為錯誤的建議或背書。

利用隨機共變法量化 LLM 酒店推薦中評價、價格、環保等信號的影響，發現評價與價格主導，環保認證被過度重視，列表位置亦顯著影響。

研究發現 LLM 的解題能力與教學支持能力並不一致，強調評估 AI 導師不應僅看任務成功率。

LLM 標註 10,000 Estonian TikTok 影片 77 個理論變數，提升參與度預測並為創作者提供策略指導。

本文提出 AI 作為對手的定義，強調協作與挑戰並存、適應性調整，並探討其對創造力、批判性思維及學習成效的促進作用。

挑戰黨派期望的對話能短期降低情感與議題極化，但效果隨時間消退。

本文提出 SCAN 框架，透過四種子區域分類，引導學習者利用元認知進行有效的 AI 任務分配。

本文重新定義了學習科學中的「協作」標準，並提出五層級分類法以區分當前人機互動與真正協作的差異。