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
效率增益錯覺：人們低估 AI 使用頻率並高估其在簡單任務中的效益
研究發現使用者對 AI 的依賴存在認知偏差，會低估實際使用頻率並高估其節省時間與精力的程度。
arXiv - Computers and Society
以口頭程式碼審查與翻轉課堂對抗 CS1 中生成式 AI 的危害
透過每週口頭程式碼審查與翻轉課堂，評估並減緩學生使用大型語言模型的負面影響，觀察其對考試成績的影響
arXiv - Human-Computer Interaction
人機委派困境：個人策略、集體均衡與社會技術鎖定
本文透過決策與賽局理論，揭示個人為了效率而過度委派 AI 可能導致集體知識標準下降的系統性風險。
arXiv - Human-Computer Interaction
HealthTale：以病患為中心的健康故事可視化工具
開發以病患為中心的可視化工具，將自由敘事轉為結構化時間線，提升病患與醫師在有限時間內的溝通效率。
arXiv - Human-Computer Interaction
衡量與緩解過度依賴：建構與人類相容的 AI 系統
本文探討大型語言模型（LLM）引發的過度依賴風險，並提出衡量與緩解此問題的策略以確保 AI 增強而非削弱人類能力。
arXiv - Computers and Society
思考的素材：將生成式 AI 視為主動的創意媒介
本文提出將生成式 AI 從單純的決策支持工具，轉型為如同陶土般的「主動創意媒介」，並建立 SOSS 互動框架。
arXiv - Human-Computer Interaction
美感評估中的內感差異與人機對齊啟示
研究比較人類與大型語言模型在美感評估中的情緒與內感差異，揭示AI在內感方面的局限，對人機對齊提出挑戰。
arXiv - Human-Computer Interaction
父母與 LGBTQ+ 子女的旅程：創傷與療癒如何重塑身份與資訊實踐
探討韓國 LGBTQ+ 子女父母在情緒創傷後，透過資訊實踐重構身份，並主動挑戰錯誤訊息的過程與啟示。
arXiv - Computers and Society
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。