教育科技研究速報

本研究探討了大型語言模型（LLM）提供的推理過程如何影響使用者在事實驗證任務中的信任和決策，發現推理的正確性和確定性提示會影響使用者對AI建議的採納。

本研究探討將輕量級互動元件嵌入LLM產生的支撐內容，能否提升學習者投入度及短期學習成效。

本研究探討了大學生在混合式學習中對線上互動平台的偏好及其背後原因，發現學生更傾向使用即時通訊工具而非學校的學習管理系統。

本文探討如何捕捉和詮釋創意活動的細微變化，以反映創意實踐的結構，並提出三種互補方法提升創意工具的記錄與分析能力。

本研究提出 NarrativeLoom，一種基於盲目變異與選擇性保留理論的多角色協作系統，能顯著提升故事的創意性與品質。

本研究探討在早期發展情境中，如何透過分層社群協調，有效整合多模式大語言模型（MLLM）於專家與家長的互動中，以達到更佳的協調效果。

本研究提出一種新穎的方法，利用對話系統收集資訊並生成使用者評論，以減輕撰寫詳細評論的負擔，並提升評論的實用性。

本研究分析了YouTuber社群如何分享及實踐利用生成式AI獲利的方法，並揭示了平台化環境下創作勞動的結構性張力。

本研究探討了AI在與青少年互動時應負有的責任，並強調擬人化設計在降低風險、促進青少年自主性和技能發展方面的作用。

本研究提出MindfulAgents，一個由大型語言模型驅動的多重代理系統，能根據專家建立的正念框架，提供個人化的冥想體驗，並顯著提升使用者參與度與自我覺察。

本研究透過隨機對照實驗，探討人工智慧輔助對詩作閱讀理解與享受度的影響，發現少量AI輔助能提升表現與樂趣。

本研究提出一個基於貝氏說服理論的框架，用於評估和訓練大型語言模型（LLM）作為策略性說服者，並發現LLM能有效提升說服力。