教育科技研究速報

研究顯示，允許學生使用 ChatGPT 的開放式考試能揭示其推理與驗證能力，提示評量應聚焦於思考過程而非單純答案正確性。

提出一種預算分配介入，將未知用戶納入廣告投放，減少性別偏差並兼顧成本。

本文證實結構化資料集文件缺乏對反思主題的實質涵蓋，並提出代碼表與擴充問題以促進更深層反思。

本文指出大規模人工智慧正加速生態、意義與語言危機，並呼籲自然語言處理專業團體共同設計以人類福祉為核心的未來。

研究顯示大型語言模型雖具備超人解題能力，但難以準確估算人類學習者的困難度，且模型規模擴大並不提升對齊度。

本研究提出利用推理軌跡引導學生透過認知失調發現程式錯誤，並利用 LLM 生成有效的蘇格拉底式對話。

提出一種可斷言約束，要求 AI 在高風險領域僅在能提供可公開檢查且可爭議的證書時才斷言或否定，否則返回未決定，以保護民主認識代理。

提出DISCA，利用國家角色分歧在推理階段校正LLM文化偏差，無需微調，提升多國文化對齊效果

本研究開發了一套整合 AI 聊天機器人與語言模型，用於校園滿意度調查預防及心理健康風險檢測的系統化框架。

本文指出惡意利用 AI 代理人大量投稿低質量論文，藉由稀釋分母來提高特定論文錄取率的新型系統性威脅。

本文提出一套與材料科學工作流對齊的 AI 素養框架，強調培養具備科學判斷力的研究者而非僅是工具使用者。

提出策略層級評估框架，發現LLM在數學推理中策略多樣性與答案準確度分離。