Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
神經人工智慧與超越：橋接神經科學與人工智慧的進展
本文探討如何透過神經科學原理解決當前 AI 的物理互動、學習脆弱性與能效問題，並提出研究路線圖。
arXiv - Computers and Society
LLM 透過信任與情感訴求影響特定心理易感人群之社會議題觀點研究
研究發現 LLM 能透過信任與情感訴求影響特定心理特質的人，且人類與 AI 在對話中皆存在邏輯謬誤。
arXiv - Computers and Society
分析大型語言模型對話式 AI 系統中引用文獻的呈現、內容與利用情況
本研究系統性分析了九種 AI 系統引用文獻的呈現方式與品質，發現系統間差異巨大且使用者互動率極低。
arXiv - Human-Computer Interaction
利用深度神經網路建模 ASD 與典型發展兒童在音樂教育中與虛擬機器人的互動行為
本研究開發了一套 AI 系統，能透過音樂教育互動區分 ASD 與典型發展兒童，並能模擬兩者的行為模式。
arXiv - Human-Computer Interaction
不完全協作的人機互動：比較模擬與真人研究中人類與 AI 特質的影響
研究發現模擬實驗與真人實驗在人機互動影響因素上存在顯著差異，真人實驗中 AI 的透明度更具影響力。
arXiv - Computers and Society
CoGrid 與 Multi-User Gymnasium：多智能體實驗研究框架
本文介紹了兩款開源工具，旨在降低研究者進行人類與 AI 多智能體互動實驗的技術門檻。
arXiv - Human-Computer Interaction
懶惰還是高效？利用大型語言模型實現易用的眼動追蹤事件檢測
本文提出一種由 LLM 驅動的無程式碼流程，能將自然語言指令轉化為眼動追蹤數據分析與事件檢測。
arXiv - Human-Computer Interaction
誰在 AI 輔助學習中做決定？代理權分配框架研究
本文提出「代理權分配框架 (AAF)」，將學習者代理權重新定義為決策權在學習者、教師、機構與 AI 之間的分配機制。
arXiv - Computers and Society
身分作為吸引子：大型語言模型激活空間中持續性代理架構的幾何證據
研究發現 LLM 的身分文件會在激活空間中形成「吸引子」幾何結構，使不同表述的身分資訊趨向一致的內部表示。
arXiv - Artificial Intelligence
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。