教育科技研究速報

研究指出自動化風險不僅取決於任務本身，更深受國家經濟條件影響，且低收入經濟體更易受規則型自動化衝擊。

研究發現 LLM 能有效修正政治新聞信任度，但其政治立場與錯誤回答亦可能大規模污染真相。

研究發現由 LLM 編寫的 Grokipedia 在政治中立性上表現不如 Wikipedia，且呈現不同的意識形態偏見。

本研究提出一套針對孟加拉語等低資源語言的健康錯誤資訊檢測框架，並證明小型語言模型在特定領域具備優勢。

研究發現網路使用頻率與收入及就業穩定性高度相關，顯示數位參與度是勞動力市場分層的重要指標。

本文探討 AI 訓練數據因包含過多生成內容而導致的「模型崩塌」現象，並從媒體考古學角度重新審視其美學意義。

本研究比較了四種 AI 代理架構在新聞任務中的表現，發現架構設計對準確度、速度與把關透明度有顯著影響。

本文提出「對抗性社會認識論」框架，用以分析並應對人類與 AI 互動中，利用信任機制進行資訊操弄的複雜現象。

本文透過代理人模擬研究，將信任視為集體資源，揭示錯誤資訊如何透過消耗社會信任與注意力資源導致系統崩潰。

本文透過分析近四千篇文獻，提出開源軟體（OSS）的十四種子類型分類，強調研究結果不應盲目推廣至所有開源模式。

研究分析了人類回饋如何優化 AI 生成的社群筆記，發現事實修正能提升筆記品質，但人類參與度仍是瓶頸。

本文將 LLM 審查視為社會技術現象，探討其從數據策劃到監管規制的生成機制與治理挑戰。