教育科技研究速報

LLMs能生成技術上合理的合成調查數據，但無法重現人類調查的反直覺洞見，顯示其僅能重複常規智慧。

本文揭示將圖像生成模型過度對齊普遍美學偏好，導致無法滿足反美學需求，並證實此偏差在生成與獎勵模型中普遍存在。

研究发现LLM生成的政治文本在情感、结构、词汇上与真实社交媒体内容差异显著，缺乏群体真实性。

提出一種不依賴生成時機機率信號，利用嵌入空間幾何一致性來預測LLM難度評估與人類評分者分歧的方法，並在CEFR句子難度測試中顯示更高AUC。

研究發現詩意提示能以風格變化繞過安全機制，模型對詩與散文能分辨但無法預測該風格下的 jailbreak 成功。

在 Polymarket 上以填充端資料探討非零售交易者行為與微結構，發現單一行為模式並提出分層分類方法。

本文研究如何在 AI 減少用戶負擔與提升偏好代表性之間取得平衡，以解決生成式 AI 的偏見問題。

研究顯示，允許學生使用 ChatGPT 的開放式考試能揭示其推理與驗證能力，提示評量應聚焦於思考過程而非單純答案正確性。

本研究證實將 AI 文獻納入文化回應 STEM 外展能提升黑人青年 AI 知識、信心與批判意識，並促進 STEM 參與。

提出一種預算分配介入，將未知用戶納入廣告投放，減少性別偏差並兼顧成本。

本文證實結構化資料集文件缺乏對反思主題的實質涵蓋，並提出代碼表與擴充問題以促進更深層反思。

研究證實透過「主動輔導低成就學生」與「被動回應高成就學生」的差異化策略，能有效提升混合式教學成效。