教育科技研究速報

本研究發現，透過 LLM 輔助的開放式自我解釋，能提升學生在微積分轉移問題中，特別是「資訊不足」問題的解釋品質。

透過600+模擬，揭示不同模型對倫理指令的處理機制差異，並提出三項新指標。

本研究探討了在生成式 AI 輔助下，新手程式設計師可能產生的「認知債」，並提出透過元認知腳本來減緩此問題的解決方案。

利用多模態資料衡量網路安全演練中的對齊度，並證明對齊度與成功相關，且多模態特徵預測表現最佳。

提出人機協同框架，結合本土化說明與動態示例，提升多語言資訊失真辨識與可解釋性。

本文探討了大型語言模型（LLM）語境視窗的指數增長與人類持續注意力能力的衰退之間的相互作用，並提出了「授權回饋迴路」假說。

本文揭示大型語言模型在不同可觀測性條件下，解釋與行動的脫節，提出三重評估框架以辨識真正理解。

公開活動能顯著改變參與者對 AI 存在風險的估計與優先度。

AI文明將重塑就業創造模式，從集權轉向個體自創，教育應聚焦人機協作與創造力培養。

本文提出「人機擴增體驗超越人類感知」設計方法，利用科技模擬非人類感官體驗，以提升生態意識、同理心及跨物種關懷。

本文探討了可解釋人工智慧（XAI）領域固有的「黑箱」演算法問題，強調理解模型應著重於可解釋性而非完全的解釋性。

探討生成式人工智慧在高等教育中從支援轉為依賴的風險，並提出保護學生自主性與作者權的策略。