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
GazeMind：基於眼動追蹤與大語言模型代理的個人化認知負荷評估框架
提出 GazeMind 框架，利用 LLM 處理眼動數據以實現具解釋性且可跨場景泛化的個人化認知負荷評估。
arXiv - Human-Computer Interaction
AI時代的使用者體驗：以統計視角重新思考評估指標
提出 ADUX-Stat 框架，將 UX 可用性重新定義為概率分布，並引入互動熵、時間漂移係數與貝葉斯可用性置信分數，以統計方法評估 AI 驅動產品的使用者體驗。
arXiv - Human-Computer Interaction
在對話式 AI 中設計張力：老年人情感支持尋求在系統層級限制下的經驗
探討老年人使用對話式 AI 尋求情感支持時，安全介入如何造成情感斷裂與失控感，並提出符合其情境與節奏的設計建議
arXiv - Human-Computer Interaction
為何有人問「為什麼」：人類與LLM的對照推理
研究發現人們在回答為什麼問題時，會根據事後驚訝度推斷對照情境，並比較人類與LLM在此推理上的差異。
arXiv - Human-Computer Interaction
機器人也會犯錯：結合大五人格、情境與語氣的 LLM 聊天機器人錯誤修復框架
研究提出一套結合人格特質、情境與語氣的結構化框架，能顯著提升 LLM 在錯誤發生時的修復品質。
arXiv - Human-Computer Interaction
讓 AI 草稿發揮效用：音頻描述工作流程中的質量門檻
AI 草稿質量門檻決定其對音頻描述編輯效能，低質量草稿幾乎無效，需達到內容適配質量才能顯著降低時間與負荷
arXiv - Human-Computer Interaction
AI 交易上限：提升可存取性與永續性的效率激勵
提出以市場機制為基礎的 AI 交易上限制度，藉此降低算力消耗與碳排放，同時為學術與小型企業創造經濟激勵。
arXiv - Computers and Society
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。