教育科技研究速報

提出 OmniToM 基準測試，透過顯式建模角色信念結構，揭示現有 LLM 在處理複雜社會推理時的認知瓶頸。

本文提出 AgingBench 基準測試，旨在評估 AI 代理人在長期部署過程中因記憶與維護機制導致的可靠性衰退。

研究指出目前證據不足以證明 LLM 具備真正的內省能力，其表現更像是基於表面特徵的模式匹配。

提出 Granuscore 指標，利用層次化嵌入空間結構，實現無需參考文本即可量化文本資訊粒度的技術。

開發了一套基於 LLM 的四階段流水線系統，能從 PDF 簡報中提取圖文資訊並生成具教學邏輯的結構化問題。

本研究展示了一套同步收集遊戲遙測、生理數據與回溯性思考數據的多模態協議，用於探討玩家體驗中的難度問題。

本文透過系統性文獻回顧，探討 LLM 時代下人類與 AI 共同創作背景下的作者身份識別問題與挑戰。

研究提出一種新方法，揭示神經文本嵌入模型在捕捉專家語義理解方面存在顯著落差。

本文開發了一套細粒度的分類法，用以系統化分類初學者在理解程式控制流（選擇與迭代）時的錯誤與誤解。

本文透過專家訪談，分析了利用隨機對照試驗衡量 AI 對人類表現影響時所面臨的方法論挑戰與對應解決方案。

本文提出利用 AI 輔助將模糊的評估概念轉化為具體、可測量的結構化規範，以解決生成式 AI 評估難題。

研究發現入學評估指標的設計與學校間的競爭，會對學生能力的組成產生非直覺且複雜的影響。