教育科技研究速報

研究發現機器人的目光導向在認知負荷高的任務中對視覺注意影響有限，但人類會在尋求確認時看向機器人。

研究證實透過 XR 直接互動能提升感知虛擬分子剛性的精確度，且互動經驗能訓練觀察者的感知能力。

提出一種能即時預測點頭時機與運動參數的模型，使虛擬化身能展現更自然、具備積極傾聽行為的對話互動。

本文提出「程序級 AI 學習成果（PLAI-LOs）」框架，旨在將校方政策與課程實務對接，建立結構化的 AI 素養標準。

開發名為 TRAIL 的 Web 平台，讓研究者能透過可配置的 AI 人格與溝通模式，進行可重複且長期的 AI-人類團隊協作研究。

探討 AI 在特定任務快速超越人類，但在複雜長程任務仍有侷限，並強調人類角色應從執行轉向監督與驗證。

本研究探討 VR 與桌面環境及即時回饋對社交智能測試（RMET）行為與生理指標的影響。

本研究揭示學生利用 AI 進行閱讀時，傾向於追求效率而非深度認知，並出現「透過 AI 閱讀」而非「與 AI 協作」的行為模式。

研究發現 LLM 輸出傾向於主流且集中，並提出透過溫度採樣、多視角提示與模型聚合來提升輸出多樣性。

研究發現 44 個大型語言模型在面對開放式單詞提問時表現出極高的答案趨同性，且趨同程度隨模型版本與類型而異。

提出 EG-VAR 架構，利用 Lean 4 形式化驗證工具，確保 LLM 的推理過程具備證據支持且邏輯嚴密。

本研究比較了美國研究型大學的校級與課程級 AI 指引，發現校級政策較支持使用，但課程層級仍持謹慎態度。