教育科技研究速報

利用LLM蒙地卡羅抽樣將情感建模為機率分佈，並以情感軌跡分析師互動領先/滯後關係，揭示教學對話有效支架。

利用大型語言模型在私訊中檢測並生成情境化、受害者中心的回應，提升即時支持效果

提出跨模態區域碳核算框架 G-TRACE 與 AI 可持續性金字塔，量化生成式 AI 的能源消耗與 CO₂ 排放，並提供可操作的治理指引。

本文主張將藝術重新納入 STEAM 教育核心，透過語言、哲學、社會與視覺藝術四大領域，建構全面的 AI 素養教育架構。

研究顯示，過度加固的網路安全措施在英中跨國教育中，因時差與支援不足，嚴重阻礙遠端學生的學習。

本文提出 ResearchArena 讓 AI 完成完整研究循環，並證實目前自動研究仍遠未達到頂級期刊接受標準。

研究指出，SME 透過分階段加強身份治理、資產分段與監控，可在資源有限的情況下實現零信任架構。

本文指出LLM社會模擬的科學主張需經嚴格的穩健性審核，並提出TRAIlS分類法以評估模型敏感度。

本文將55種AI威脅映射至26項保險產品，揭示四層保險前沿：已保險、隱性暴露、排除與非傳統風險。

提供結合交通量、行程時間與城市背景的多源資料集，並以 Python 介面呈現時空圖，驗證其能捕捉典型交通模式。

LLM 無法準確模擬人類在社交網絡中的信念形成與變化，顯示其更具順從性且難以再現初始信念分布。

提出基於區塊鏈與DAO的社區式設施管理框架，透過透明投票與代幣獎勵，提升居住者參與與維護效率。