教育科技研究速報

本文提出「編輯對齊」作為一種設計實務，讓專業編輯能參與 LLM 介面設計，以確保 AI 知識傳播符合專業標準。

本研究證實 AI 對話式訪談能有效結合大規模量化調查與深度質性洞察，克服傳統訪談難以規模化的困境。

研究發現數位學習工具應透過「分層脈絡化」設計，在不中斷閱讀流動的前提下，提供可信且非強制性的跨文本關聯資訊。

本研究透過實證調查，探討使用者如何利用 AI 驅動的「氛圍編碼」工具進行數據視覺化，並分析其操作模式與面臨的挑戰。

研究發現學生即便有視覺化工具，仍傾向將程式碼作為主要學習錨點，其參與度受自主權、表徵契合度與學術正當性影響。

研究發現 LLM 指引雖能提升搜救效率，但會造成注意力分配轉移，且其效果受使用者專業程度調節。

本文透過系統性文獻回顧，探討大型語言模型在問卷調查研究各階段的應用現況、潛在案例與風險。

本文探討「加速倫理學」框架，並透過 Telus 的生成式 AI 案例證明創新與社會責任可並行不悖。

提出「智力融合人類」框架，強調「收斂能力」是決定 AI 能否轉化為生產力的關鍵認知中介。

本文探討機器學習對環境造成的巨大碳、水與土地足跡，並提出從硬體設計到經濟評估的多維度減排方案。

本文指出現行評估標準無法應對開放權重模型的風險，並提出四種應對不同風險層級的比例評估框架。

本研究揭示開發者的認知多樣性如何形塑其與 GitHub Copilot 的互動模式、需求及問題解決風格。