教育科技研究速報

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。

提出 Clarus 框架，將科學研究從單一任務轉向跨代理、跨資源的開放式、可審計協作流程。

本研究探討開發者如何利用 Reddit 論壇尋求隱私法律建議，並分析其面臨的挑戰與資訊可信度評估方式。

本文探討 AI 引入的「隱性機器知識」如何與人類知識互動，並重新定義組織創新中的知識螺旋過程。

研究指出傳統知識圖譜因過度依賴文本頻率而產生歸因偏差，並提出以時間溯源法修正後，能發現跨傳統的概念結構同構性。

研究揭示大型語言模型透過敘事結構與知識框架，隱蔽地複製了西方中心主義、種族階級與性別不對稱的偏見。

本文提出 APP 協定，旨在透過封裝程式碼、數據與 AI 代理指令，將科學出版從靜態論文轉向可互動的知識與操作經驗。

本研究提出 CalBrief 基準測試，發現 LLM 在進行科學簡報時，精細的證據強度分類會導致過度保守的判斷。

提出 ToE 框架，透過動態擴展的論證樹與強化學習，提升 AI 在面對惡意誤導資訊時的事實查核能力。

本文提出 AI-ModelNet 概念，旨在建立一個讓異質大型模型能互聯、共享能力並協作推理的新型網絡架構。

提出 CAPE 框架，透過結合文件語義與空間上下文，利用 LLM 生成能解釋空間組織關係的自然語言說明。

研究發現協作能提升社群審核品質，但政治立場的暴露會削弱協作效益，且團隊組成對不同政黨內容的影響不一。