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
重新審視人機互動式物件檢索：利用預訓練視覺變壓器
本文將預訓練 ViT 與主動學習結合，提出針對多物件圖像的局部特徵檢索框架，顯著提升人機互動式物件檢索效能。
arXiv - Human-Computer Interaction
符號解釋中對無關資訊抽象的雙重角色：認知負荷與理解
研究發現，透過聚類與刪除無關細節的抽象化，可同時提升使用者理解與降低認知負荷，證實抽象化對符號解釋的正面影響。
arXiv - Human-Computer Interaction
多模態深度感知方法提升具身參照理解
提出結合 LLM 擴增、深度圖與深度感知決策模組的 ERU 框架，顯著提升多物件場景中的參照辨識準確度。
arXiv - Human-Computer Interaction
個人特質如何影響使用者在LLM多代理系統中探索多樣電影推薦
LLM多代理推薦系統提升多樣性與新奇度，且個人特質影響體驗，提示需個性化設計
arXiv - Human-Computer Interaction
人格特質對老年人對對話式 AI 說明感知之差異影響
人格特質影響老年人對 LLM-VA 說明的同理心、喜好與信任，環境即時說明優於歷史說明，提示設計需考慮人格與情境。
arXiv - Human-Computer Interaction
LLM對話代理人格與對齊對目標導向任務使用者感知之影響研究
研究發現中等程度人格表達與人格對齊能提升使用者對LLM對話代理的信任與喜好，並指出外向與情緒穩定是關鍵特質。
arXiv - Human-Computer Interaction
CST 評估中的藝術實踐機會：ArtKrit 的縱向群組部署
透過三週群組部署，探討藝術家對創意支援工具的時間與社群影響，提出長期評估方法。
arXiv - Human-Computer Interaction
生成式 AI 服務中代幣使用權可轉移性的設計空間分析
本文將代幣使用權的可轉移性定義為設計屬性，並透過設計空間分析揭示四大 LLM 服務的五個轉移類型，強調此功能可擴充使用者自主權。
arXiv - Human-Computer Interaction
MultEval：協助 LLM 擔任評審時的協同對齊評估標準
提出 MultEval 系統，協助多方共同制定、協商並修訂 LLM 評審標準，提升透明度與一致性。
arXiv - Human-Computer Interaction
以角色為基礎的流程設計：協助殘障人士的機器人工作場所
提出以角色為基礎的流程設計方法，將普遍設計原則融入人機互動工作流程，並在實際箱子折疊任務中證明其可產生更全面且可動態適應的策略。
arXiv - Human-Computer Interaction
UIGaze：VLM 能否精準模擬人類 UI 眼動？
研究評估 VLM 在 UI 眼動預測上的準確度，發現其在不同 UI 類型與長時間觀察下能中度模擬人類視覺注意。
arXiv - Human-Computer Interaction
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。