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
美國規劃學院畢業生職涯流動性：大型語言模型分析
利用大型語言模型從LinkedIn資料提取結構化資訊，發現多元跨部門經驗及地理流動性能顯著提升規劃專業畢業生職涯上升機會
arXiv - Computers and Society
後訓練階段：區分能力誘發與能力創造的自由能視角
本文提出以「可及支持集」區分模型能力的誘發與創造，並從自由能視角重新定義 SFT 與 RL 的本質。
arXiv - Artificial Intelligence
為偏好設計嵌入：非語義嵌入
本文提出將文本嵌入改為偏好相似度，並透過合成訓練資料打破語義與偏好之相關，顯著提升多個線上討論資料集的偏好預測準確度。
arXiv - Artificial Intelligence
自動化評分規範作為獎勵：從隱式偏好到明確多模態生成標準
提出 Auto-Rubric 框架，將多模態生成模型的隱式偏好轉化為可驗證的評分規範，並透過 Rubric Policy Optimization 以二元獎勵穩定訓練，顯著提升文本到圖像與圖像編輯任務的對齊效果。
arXiv - Artificial Intelligence
探索有用，精確風險：評估學術研究中的 AI 工具
提出人機結合基準框架評估 AI Q&A 與文獻工具，發現其探索有效但精確不足，需人工驗證。
arXiv - Human-Computer Interaction
零樣本人體姿勢估計：基於擴散逆解法
利用預訓練擴散模型與旋轉測量，提出 InPose 方法實現零樣本人體姿勢估計，並透過位置似然引導生成最可能姿勢序列。
arXiv - Human-Computer Interaction
聲音傷害與聲音被忽視：關於聽覺恐懼、感官創傷與創傷知情設計的經驗報告
透過研究者自身經驗與 16 次訪談，指出聽覺恐懼者被忽視的感官與認知創傷，並擴展創傷知情設計以避免平台與社群的再創傷。
arXiv - Human-Computer Interaction
社會人機擬態對話資料集（SHREC）：基礎模型社會推理基準測試
提出400段真實人機互動影片與10K標註的SHREC資料集，並設計八項社會推理基準，證實現有基礎模型在情緒理解、意圖追蹤等社會挑戰上表現不足。
arXiv - Human-Computer Interaction
HM-Req：嵌入價值於 CPS 人機監測需求框架
提出 HM-Req 框架，結合受控自然語言與價值儀表板，提升 CPS 人機監測需求的倫理性與衝突檢測。
arXiv - Human-Computer Interaction
地理空間網路搜尋大多超出傳統 GIS 範疇
利用機器學習對 101 萬 Bing 查詢進行分類，發現 18% 為地理空間查詢，並提出 88 個分類，顯示傳統 GIS 無法滿足大部分實務需求
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。