教育科技研究速報

研究指出數位行為分析常因選擇性時間點導致「事件效果」誤判，實際上可能只是正在進行中的任務延續。

提出「目標導向框架」概念，利用 LLM 根據使用者當前目標重新詮釋歷史數據，解決個人資訊系統難以適應目標變動的問題。

本研究開發了評估情感 AI 信任的量表，並發現用戶對 AI 的信任與使用邏輯會隨性別、年齡及社會經濟地位而異。

研究探討了搜尋代理類型與資訊傳遞介面如何共同影響使用者對 LLM 提供之健康資訊的信任程度。

提出「即時人工製品」概念與 LiveCanvas 系統，讓創作者能設計隨時間或數據動態變化的生成式媒體。

研究提出「信念更新閘門」概念，指出應區分用戶「不更新信念」與「更新幅度」的差異，以更精準解讀人機互動中的學習行為。

本研究探討利用 LLM 分析線上討論論壇的機會與障礙，並為社群感官理解工具提出設計建議。

研究發現友善支持的聊天機器人能提升用戶滿意度與任務成功率，但直接指令在特定任務中效率更高。

本研究透過設計多代理系統（LLM-MAS）來應對 AI 倫理問題，證明了多代理協作能顯著提升倫理規範與程式碼生成的深度。

提出一種兩階段微調流程，將複雜的黑箱模型轉化為小型、可解釋且能在本地端運行的語言模型。

本研究探討組織政策、隱私憂慮與 ChatGPT 使用熟練度如何交互影響員工在工作中的 AI 使用行為。

研究證實 GPT-5.5 能高度準確地評分手寫物理試卷，其選拔結果與官方人工評分完全一致。