教育科技研究速報

研究證實，結合多層次、多代理、情境化敘事的 LLM 生成摘要能顯著提升遠距家庭成員對長者日常生活的滿意度、信任度與使用意願。

研究發現，僅需透過簡單的透明度干預（警告 AI 可能出錯），即可顯著增加學生的求助行為，而不影響系統實際表現。

研究發現，社會比較取向透過焦慮與認知機制，直接且間接促成生成式 AI 的問題性使用。

提出注意力感知管線，揭示在 XR 中可視化注意力所帶來的設計張力，並透過眼動研究證實注意力隧道現象，提出減少此現象的干預策略。

透過行動眼動追蹤，揭示樂隊排練中成員間的視覺注意結構與學習者的注意力調整

獨立中國 AI 代理開發者重視用戶安全，卻忽略安全漏洞，缺乏正式工具與培訓，需針對性安全工具。

AI生成回饋草稿顯著提升教學助理提供回饋量與長度，且不影響學生滿意度。

吊架反射提示能透過頭部機械壓力，促進駕駛者對周邊危險的預先注意，降低碰撞風險。

開發 Ivy 兩模型架構，將教師診斷知識編碼成機器可讀，實證能即時偵測並分類學習者錯誤，並提供診斷導向的支架，提升精準回饋與概念轉變。

研究顯示生成式 AI 能提升學生自我效能，但對高階演算法學習成效不利，且可視化工具使用不足，真人輔導則效果最佳。

利用可解釋機器學習預測科學突破，結合概念網絡演化與結構特徵，達成高準確度與可解釋性

提出 DOSS，透過分類與信心閾值動態選擇金融目標，並以 LLM 監督確保安全。