Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
用戶行為日誌層級化多人格推導：證據真實人格
提出層級化框架，將用戶行為聚合成意圖記憶，並透過聚類與 DPO 生成證據驅動且可信的人格模型，提升預測準確度。
arXiv - Artificial Intelligence
LLM對話代理人格與對齊對目標導向任務使用者感知之影響研究
研究發現中等程度人格表達與人格對齊能提升使用者對LLM對話代理的信任與喜好，並指出外向與情緒穩定是關鍵特質。
arXiv - Human-Computer Interaction
Tree-of-Text：體育領域表格到文本生成的樹結構提示框架
提出 Tree-of-Text 框架，通過三階段樹結構提示，提升 LLM 在體育表格到文本生成中的準確性與效率，並在多個基準上優於現有方法。
arXiv - Human-Computer Interaction
FASH-iCNN：透過多模態CNN探測時尚編輯身份
開發一套多模態CNN系統，能辨識服飾所屬品牌、年代與色彩傳統，並揭示哪些視覺特徵承載編輯身份。
arXiv - Human-Computer Interaction
CST 評估中的藝術實踐機會：ArtKrit 的縱向群組部署
透過三週群組部署，探討藝術家對創意支援工具的時間與社群影響，提出長期評估方法。
arXiv - Human-Computer Interaction
MultEval：協助 LLM 擔任評審時的協同對齊評估標準
提出 MultEval 系統，協助多方共同制定、協商並修訂 LLM 評審標準，提升透明度與一致性。
arXiv - Human-Computer Interaction
UIGaze：VLM 能否精準模擬人類 UI 眼動？
研究評估 VLM 在 UI 眼動預測上的準確度，發現其在不同 UI 類型與長時間觀察下能中度模擬人類視覺注意。
arXiv - Human-Computer Interaction
這不是解釋：評估語言學習系統中的解釋失敗與可解釋性陷阱
本文提出 L2-Bench 基準，分析 AI 語言學習工具在六項關鍵反饋維度上的解釋失敗，揭示可解釋性陷阱對學習成效與師生互動的潛在危害。
arXiv - Human-Computer Interaction
暗黑人格特質與網路毒性：將自我報告與 Reddit 活動相連
研究發現暗黑人格與自我報告的網路不文明行為相關，但並未透過 Reddit 語言特徵預測，顯示人格與表層語言信號之間存在差距。
arXiv - Computers and Society
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。