教育科技研究速報

研究提出 DigitalCoach 資料集，揭示現有 AI 教練在教學深度與視覺語境理解上與人類專家存在顯著差異。

本研究透過回顧兩百多篇論文，揭示了視覺分析如何作為橋樑，讓人類知識有效介入機器學習流程。

本研究探討開發者在軟體工程中對 AI 自主權的接受界線，發現接受度取決於任務性質與認知評估。

研究發現視覺化修改的接受度取決於其數據意義，且 AI 生成的修改比人類操作更難被接受。

研究發現情節式框架（聚焦特定事件）比主題式框架更能激發負面情緒，並間接影響政策支持態度。

本文提出將自主 AI 視為「動物」而非「工具」，透過「人類處理者」的角色重塑人機協作關係與責任歸屬。

研究證實使用 AI 驅動的擬真化具身代理進行對話式調查，能顯著提升受訪者回應的資訊量與參與效率。

本文推出名為 AA 的多視角多模態資料集，透過多角度同步影像提升螢幕注視估計的精準度與魯棒性。

本文展示如何透過工作流語言作為腳手架，結合 AI 助手將視覺分析原型的開發時間從數月縮短至數小時。

提出 EE-Eval 框架，透過有限狀態機（FSM）將 AI 生成的互動式教學內容轉化為可量化的行為模型進行評估。

本研究透過模擬 AI 輔助訪談，探討了使用 LLM 生成追問時所面臨的五大倫理與社會責任風險。

本研究透過訪談定義了數據密集型工作流中的除錯挑戰，並提出三項視覺化設計需求。