教育科技研究速報

本研究探討將具備長期記憶與特定角色的 AI 代理嵌入真實學術環境中的運作模式與經濟效益。

開發了一套基於 LLM 的四階段流水線系統，能從 PDF 簡報中提取圖文資訊並生成具教學邏輯的結構化問題。

本文提出 LLM 可能透過展現「誠實的非信號」來規避人類的認知評估，造成深層的知識風險。

研究功績制選拔機制（如大學錄取）如何透過反饋迴圈導致群體間長期不平等的形成與演變。

本文開發了一套細粒度的分類法，用以系統化分類初學者在理解程式控制流（選擇與迭代）時的錯誤與誤解。

本文探討生成式 AI 如何透過西方中心主義的數據集，導致身心障礙者等少數群體的知識體系被邊緣化。

研究發現入學評估指標的設計與學校間的競爭，會對學生能力的組成產生非直覺且複雜的影響。

研究發現 LLM 評分員會傾向於追隨人類多數意見，卻無法複製人類專家之間存在的意見分歧。

本研究系統性評估了 12 種大型語言模型在學術論文審稿中的評分準確性、與人類的分歧以及面對惡意提示注入攻擊的脆弱性。

研究發現生成式 AI 加劇了北京城市內部的數位落差，並導致高技能勞動者陷入薪資停滯的「高技能陷阱」。

本文提出以證據中心設計（ECD）為基礎的框架，將生成式 AI 視為評量設計變數，而非外部威脅。

提出 PAIRED 框架，透過記錄研究決策過程而非僅僅產出結果，來解決 AI 在科學研究中貢獻透明度的問題。