教育科技研究速報

本研究開發了首個用於評估學生選擇演算法設計範式能力的選擇題測驗工具 APSA。

本文提出一種「行為架構」，主張 AI 應從單純的內容導師轉向能適應學生情緒與動機、並由師生共同定義學習紀錄的系統。

提出一個可審計、可重現的SemantiClean框架，透過結構化行為元素與LLM推理，提升電商購買意圖與客群分析的透明度與治理。

本調查從XAI視角總結ASP解釋方法，揭示其類型、覆蓋範圍與研究缺口，並提出未來方向。

提供一個涵蓋25種審查干預、339K用戶、近39M訊息的標準化資料集，方便研究者系統比較審查效果。

本文指出 AI 被稱具備心智模型實際上僅是行為預測與偏差校正，呼籲轉向互動式共心智框架。

利用句子嵌入與位置特徵的邏輯排序器，可在文檔未被標記前預測群眾高亮位置，並在低人氣文檔上顯著優於傳統前置基準。

研究顯示同一文件內讀者形成強勢子群，且跨文件的子群穩定性不足，提示高亮協作需考慮文件特定的讀者差異。

提出一種新型多模態框架，透過非對稱融合機制捕捉不同人格特質對語言、聲音與面部線索的特定偏好。

利用符號機器學習對兩款VR遊戲進行實驗，排名並量化旋轉、加速度等因素對網路暈動症的影響，並提出短期與長期使用的緩解策略。

研究提出利用凍結預訓練模型進行多模態特徵提取，有效提升非同步影片面試中人格特質預測的準確度。

探討學術命名政策對姓名變更研究者的引用準確性與心理健康影響，並證實可見政策可減少錯誤。