教育科技研究速報

研究顯示，中學生選擇的學習策略與其自我效能感呈正相關，並影響其成就信念。

研究發現等級制評量會導致資訊熵大幅下降，造成學生學術特徵的「數據失語」與診斷精準度喪失。

研究探討利用大型語言模型結合情境工程進行 K-12 評分的效果，發現其在理科表現優異，且更適合作為形成性評量工具。

提出「技術同構意識」概念，說明學生如何將數學思維映射至 AI，並以複合折線圖案例驗證三階段教學路徑

研究發現青少年 GenAI 使用多為工具性請求，缺乏自我調節與監控，導致成績下降與認知負荷升高。

提出一套以 AI 為核心、隱私優先的中學 LMS，並設計縱向研究以驗證其對學生學習路徑的長期影響。

提出一種三階段偵探式鷹架框架，透過證據導向的即時投票設計，有效引導學生從錯誤觀念轉向正確的因果推理。

本文闡述試算表在 K‑12 數據科學教育中的實用性，並提出以數據驅動的技能框架與實務建議。

研究透過建模弱勢學生分數分布的偏誤，提出透過針對中等表現弱勢學生的獎學金或培訓來減少教育不平等。

研究發現，僅需透過簡單的透明度干預（警告 AI 可能出錯），即可顯著增加學生的求助行為，而不影響系統實際表現。

本研究證實 LLM 可生成有效教學內容，並發現不同題型對認知負荷與學習表現有顯著影響。

透過機器學習分析 PISA 2022 數據，證實壓力對學業表現的負面影響在全球六大洲具有高度一致性。