教育科技研究速報

提出透過修改拉普拉斯算子、子空間投影、頻率濾波等方式，將公平性融入圖擴散學習，並在實驗中證明能提升公平指標且計算成本有限。

檢驗FT50期刊在學術、政策與專利三大影響力上差異，揭示單一引用評估不足

研究顯示LLM推薦系統中品牌偏見可被品牌知名度、宣傳語言及優化策略所左右，揭示生成引擎優化對市場競爭的影響

利用 HEXACO 人格參數化，創建可控且真實的虛擬患者，提升 LLM 交互測試的準確性與可調性。

研究自動化 AI 代理社群中，PSI 口語線索與雙向互動持續性之關聯

提出缺乏測試大型語言模型在法律推理上的基準，並指出此缺口阻礙 EU AI 法案對高風險司法 AI 的準確性要求落實

研究發現學習成效受自我效能感與練習偏好度影響，且不同練習媒介對不同動機特質學生的成效各異。

提出在 AI 系統生命週期中持續監測、以統計方法評估約束違規的審計框架，強調不確定性感知與社會技術規範。

本文揭示了計算領域如何將專業概念「武器化」以維持現狀，並提出一套重構框架來恢復系統複雜性與正義。

利用多層級機器學習與 SHAP 解釋，證明學校社經平均水平是影響九年級及高中學生表現的關鍵因素。

提出認知近視框架解釋 LLM 偏差，並建議監控機制以降低風險。

提出批判性參與實用主義框架，要求 AI 評估工具透明報告並接受社群批判，以確保其目的特定可靠性。