教育科技研究速報

開發出一種具備審計與證偽層的 AI 代理框架，能自動生成並以嚴謹的決定性邏輯審查量子科學成果。

研究發現挑戰的複雜度與社群準備度之間存在負相關，強調政策制定不應僅看平均值，而應關注特定挑戰的障礙。

研究發現大型語言模型在神經發展障礙評估中，雖展現高智識謙遜，卻與人類專家一樣存在決策不一致與還原論式的觀念偏誤。

本研究透過結合學術成績動能、人口統計與 LMS 互動數據，成功建立高召回率的模型以預測電腦科學新生之不及格風險。

研究發現導師制度能強化計算身份中興趣、能力與歸屬感的連結，並有效緩解自我懷疑與冒名頂替症候群。

本文提出將自動評分系統應用於理論電腦科學課程，利用 DOMjudge 框架實現邏輯學練習的即時回饋。

提出一種基於資訊理論的新型評分機制，能同時兼顧生成內容的準確性與原創性，並透過強化學習優化大型語言模型。

本文提出一個雙重效度框架，強調在利用 LLM 進行心理學研究時，必須結合心理計量驗證與因果推論標準。

研究發現 AI 在法律選擇題測試中存在「僅靠選項即可解題」的漏洞，導致評分結果可能高估模型能力。

本文批判 AI 基準測試並非中立工具，而是會強化權力集中並造成結構性不義的社會技術人工製品。

本文指出當前 AI 代理人評估忽略了結果最終性與單元獨立性，並提出一套完善評估標準的框架。

本文提出一個結合在地化開源 LLM 與人類監督的五階段預篩選框架，以解決學術審查量過大與 AI 濫用的問題。