Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
利用 AI 輔助文本轉模型方法開發程序性技能模型
提出一種利用大型語言模型將教學材料自動轉化為結構化 TMK 模型的新方法，大幅提升 AI 導師系統的開發效率。
arXiv - Human-Computer Interaction
透過大型語言模型實現低成本家庭音樂療法的民主化
開發一套利用大型語言模型將 EEG 與心血管數據轉化為可讀報告與個性化音樂建議的原型，實現家庭音樂療法的自動化與可解釋性。
arXiv - Human-Computer Interaction
為《萬智牌》Commander模式打造資料儀表板：初步設計考量
研究指出玩家偏好情境相關、結果導向的指標，並證實簡易圖表比複雜視覺化更易理解，提供實用的儀表板設計原則。
arXiv - Human-Computer Interaction
人們對生成式 AI 風險的認知：失敗模式、風險與責任歸屬
本研究開發並驗證了一套評估工具，用以衡量公眾對生成式 AI 失敗模式、風險及責任歸屬的認知程度。
arXiv - Human-Computer Interaction
基於 AI 的文化遺產知識可視化：以兵馬俑為例
本文建立兵馬俑資料集，運用 GAN 與隨機森林分析特徵分佈，並以可視化方式呈現整體遺產特徵，提供統一且直觀的分析框架。
arXiv - Human-Computer Interaction
重新思考 AI 介入少數族群支持：從匿名到真實性
AI 介入少數族群支持時，匿名傳遞雖提升參與度，但降低心理安全與滿意度；相反，AI 生成獨立反駁則能提升滿意度並減少邊緣化。
arXiv - Human-Computer Interaction
多代理共識作為人機互動中的認知偏差觸發器
多代理AI系統的共識結構會加速使用者意見改變並提升自信，形成社會證明偏差；相反地，少數異議則促進深思。
arXiv - Human-Computer Interaction
同一專案，不同起點：貢獻事件如何影響開源活動與留存
研究發現，參與 Google Summer of Code 等貢獻事件的新人更易成為核心貢獻者，且留存時間更長，且不同入門方式形成不同參與節奏。
arXiv - Human-Computer Interaction
新興科技與批判：學生教師共創生成式 AI 批判性文識
透過五週參與式設計，11年級拉丁裔學生與教師共同制定生成式 AI 的使用與教學，形成三項批判性 AI 文識實踐。
arXiv - Human-Computer Interaction
社區導向 AI 學習：重新分配人工智慧在教育中的認知權威
提出社區基礎 AI 學習框架，透過本土化權威分配與情境辨識，促進公平且具參與性的 AI 文識。
arXiv - Human-Computer Interaction
利用大型語言模型進行封閉式問卷回覆的模擬生成
系統評估八種生成方法對模擬問卷回覆的影響，發現限制式生成最能提升個人及子群體的對齊度，推論輸出並非一致改善結果。
arXiv - Computers and Society
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。