教育科技研究速報

本文主張應將 AI 整合進機器學習同儕審查流程，作為作者、審稿人與領域主席的協作夥伴以應對規模化危機。

本文提出一種透過開放式即時預測（Open Nowcasting）系統，每日自動收集並公開分析公眾對 AI 發展支持度的研究方法。

研究發現大型語言模型在進行數學題文化轉譯時，會導致文化多樣性崩塌並出現嚴重的文化誤植現象。

本研究開發了一套流程，將學生與 AI 教學助教的提問對應至課程主題，藉此識別學生在特定知識點上的學習困難。

研究發現透過對論文摘要進行低成本的表面改寫，即可有效操縱 AI 審查系統，使其給予更高的接受評分。

研究證實僅靠提示詞匿名化無法消除 LLM 的身份特徵，模型仍能透過文體指紋被識別。

本文提出 CollabSkill 框架，透過貝氏技能評分系統量化評估人類與 AI 在真實職業任務中的協作貢獻。

開發出一種能根據治療師共情與探索技巧，動態調整資訊揭露程度的自適應虛擬病人系統。

本文指出法律不確定性是 AI 規範學習的必要條件，並說明沙盒等邊界物件如何協助將抽象法規轉化為可執行的技術實踐。

LLM 在招聘評估中偏好自身生成的履歷，導致人類作者被排斥，且可透過簡單介入減少偏差。

語言模型可作為自殺資料標註與專家指導的高效助手，提升標註一致性並加速新變數指南制定。

提出混合式紙本考試半自動批改方案，結合結構化答題與大型視覺語言模型，提升批改準確性與公平性。