教育科技研究速報

本文探討如何設計能讓使用者深入理解大型語言模型（LLM）運作方式的介面，從單純的「可解釋性」轉向「解讀性參與」。

字幕錯誤會降低觀眾對講者及內容的評價，且不因口音差異而產生差別影響

本研究探討了 AI 輔助寫作工具 VISAR 在大學寫作課程中的應用，發現學生積極參與規劃與批判性思考，並獲得可衡量的學習成效。

系統性回顧 98 篇研究，揭示文本在資料視覺化中的敘事功能、效益與設計缺口，並提出未來發展方向。

本研究分析大型語言模型在數學輔導中的教學策略與語言特徵，發現其品質逐漸接近專家，但仍有其獨特的教學模式。

本研究透過多語言辯論式基準，揭示大型語言模型在不同語言與敏感領域中仍保留刻板偏見。

本研究透過博弈論模型，揭示了在公平選拔過程中，不同群體對選拔後價值的感知差異如何影響其投入的努力，進而加劇不平等。

微調 AI 於完整作者作品可顯著提升文本風格忠實度與質量，並降低偵測率，受專業寫手與一般讀者皆偏好。

研究顯示，認為自己處於少數派的 Reddit 會員更易沉默，且社群設計可減少自我沉默。

提出兩來源審計模型，透過可信流與不完美對照，提升偵測公平洗牌的能力。

本文透過系統性文獻與文件回顧，提出明確的 AI 模型與 AI 系統定義，並探討其對法規責任分配的影響。

對26款大型語言模型進行多維政治心理測量審計，發現大多數模型集中於自由左翼區，並證實單軸評估不足，需多維框架。