教育科技研究速報

本研究透過對教師和學生的調查，探討在 AI 輔助程式學習中，如何平衡直接輔導與間接引導，以及控制權分配，以提升學習成效。

本研究追蹤三年來AI融入程式設計課程的過程，發現學生對AI的認知、互動模式及學習成果隨時間推移而演變，強調重新定義學習方式以維持學生自主性。

本研究提出 AwesomeLit，一個以人機協作方式呈現的視覺化系統，旨在協助研究者探索文獻、生成假設，並提升研究信心。

本研究探討人類是否能透過重複經驗，學習校準 AI 系統的信心訊號，並發現人們能有效調整對 AI 的信任度，但反向信心的情況下則較難克服。

本研究透過分析 Reddit 討論，揭示了 AI 伴侶所提供的情感支持是互動且具社會情境的過程，並探討了其潛在的張力與影響。

本研究發現，消費者更傾向接受 AI 在道德合規的角色上，而非道德決策，因為他們認為 AI 不帶有個人動機。

本研究透過一場全國性峰會，探討了美國 K-12 數學教師如何評估人工智慧工具，並揭示了支持教師深思熟慮評估的關鍵機制。

本文提出 RedTopic，一種透過情境化生成、聚合獎勵和多目標強化學習，提升大型語言模型紅隊測試主題多樣性的新框架。

本研究開發一種能直接輸出自然語言的探測器，透過「潛在QA」任務，更精準地理解和控制大型語言模型的內部運作。

本研究透過訪談美國公設辯護律師，探討 AI 在司法領域的潛在應用，並揭示其在不同工作面向的限制與倫理考量。

本研究揭示了大型語言模型在性別推論時，即使在語境等價的情況下，其輸出結果也會出現系統性變化，違反了語境不變性的假設。

本研究利用大語言模型分析社群媒體資料，揭示使用者對地震預警系統的信任度與警報即時性之間存在顯著關聯，並強調使用者對「準確性」的定義與工程定義有所不同。