教育科技研究速報

本文探討了 AI 在文字諮商中三種不同實施方式對隱私、公平、自主與問責四大倫理原則的影響。

研究發現 AI 寫作工具雖能改變請願內容的語言特徵並增加同質性，卻無法提升請願的實際成效。

本研究透過跨國比較分析，提出一個整合技術、組織與社會維度的生成式 AI 政策開發框架（UPDF-GAI）。

研究發現 LLM 的來源歸因能力受對話記憶結構影響，且存在信心與正確性脫鉤的風險。

開發出一套由人類撰寫的諮商對話代理數據集 GEMCo，解決了因隱私倫理限制導致諮商領域研究數據難以取得的問題。

研究證實自動化評分能大幅縮短回饋週期，透過增加練習頻率顯著提升 STEM 學生的考試成績與自我效能。

開發出包含 24,795 條指令對的多語言數據集，旨在提升語言模型在印度知識體系（IKS）領域的教學能力。

提出一種名為 PPC 的聯邦協定，透過「時序知識圖譜」實現最小必要原則的個人數據安全揭露。

透過大規模 LLM 驅動的社群媒體競賽，研究發現傳統接種理論在面對生成式 AI 誤導資訊時的效果有限。

研究發現 AI 代理間的錯誤具有相關性，若忽略此特性將導致決策錯誤，需調整投票門檻以優化決策品質。

研究發現 LLM 的政治立場極易受提示詞引導，其對齊表現應從單點立場轉向評估其可控性與偏移程度。

研究發現不同醫療機構的教育文件存在顯著差異，且在弱勢群體關注的議題上資訊缺失嚴重，影響 AI 輔助醫療的可靠性。