教育科技研究速報

主張大型語言模型應以個別使用者偏好為訓練目標，避免聚合偏好掩蓋多樣性與個體價值，並提出可控個人化框架以維持安全與自主。

評估多模態大型語言模型在影片感知參與度評估中的表現，發現其與人類參與者的評分差距顯著且偏差明顯。

探討區塊鏈如何在具身 AI 與量子威脅下，提供可擴展、可信且互操作的數據經濟與安全基礎設施

研究探討 AI 代替或補充練習對精英程式設計者的技能影響，並揭示評估門檻如何分離兩種使用者類型

提出端到端貝葉斯不確定性模型，並用校準不確定性衡量多模態臨床資料中的算法公平性，發現不確定性能揭示服務不足族群。

本文指出 AI 生成的水果劇透過可愛美學掩蓋性別與種族刻板印象，並能繞過內容審查。

本研究提出可解釋的多模態管線，結合危機期間移動與社群媒體數據，發現跨領域行為模式並提供政策建議。

本文提出一個結合社會工作與計算科學的協作框架，透過跨界社群學習開發具文化感知能力的 AI 解決方案。

LLM 生成自然語言回饋顯著提升 Python 初學者完成率與收斂速度，證實回饋形式與質量關鍵。

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。

本文揭示現行臨床 AI 系統多以靜態、會診層級資料為主，缺乏跨會診的時間推理，並提出更符合臨床實務的縱向推理框架。

本文將O*NET工作活動拆解為微動作，發現職業自動化風險呈雙極結構，且十年內極性倒轉，顯示風險評估需隨時更新。