教育科技研究速報

這項研究發現，大型語言模型在呈現自閉症相關資訊時，反而比人類更容易延續有害的刻板印象，揭示了AI系統在理解和傳達複雜健康議題上的盲點。

本研究探討使用大型語言模型（LLM）預測K-5數學及閱讀測驗題目難度之可行性，並發現基於特徵提取的策略優於直接估算。

本研究探討了大型語言模型（LLM）在補助提案高風險評估中的能力與限制，並發現分段分析法在準確性和可靠性方面表現最佳。

本研究系統性分析七款大型語言模型在尼泊爾文化背景下的性別刻板印象，並提出結合顯性與隱性偏見的評估框架。

本研究提出 DeepScope，利用深度學習分析未培養水樣的顯微鏡影像，大幅縮短水質安全檢測時間並降低成本。

XInsight 是一個受心理諮詢啟發的多智能體框架，旨在透過模擬「探索-洞察-行動」模式，提升網上心理健康支援的透明度與有效性。

本研究透過兩個實地實驗，探討社交證明（如 GitHub 星星數、下載次數）對開源軟體下載量及開發者參與度的影響，結果顯示其影響微乎其微。

本文認為教育中 AI 濫用問題的核心不在於偵測，而在於學習過程的透明度降低，並提出學習可見性框架以促進 AI 的道德整合。

本研究分析Reddit上關於脫歐的討論，發現意見極化主要源於自我選擇和回音室效應，而非觀點交流。

本文探討生成式AI如何提升K-16+階段的科學素養，並提出整合教學、學習與評估的架構，以應對AI時代的挑戰。

本研究透過因果推論方法，量化了作者種族、性別和機構所在地對學術論文接受度排序的獨立影響，揭示了系統性偏見的存在。

本研究評估了撒哈拉以南非洲移民對人工智慧誘騙（特別是詐騙）的脆弱性，發現過往的詐騙經歷是影響脆弱性的最重要因素。