教育科技研究速報

提出 Symmetry Decomposition Evaluation 以檢測生成式解釋中的立場不對稱，揭示不同層面差異的持續性與可控性。

提出 TELL 架構，將可解釋性嵌入 AI 文本偵測，達到 AUROC 0.927 並提供高質量說明，提升教師對 AI 生成文本的判斷力。

提出 OADA 框架，將公平與風險指標轉化為部署決策，提升高風險 AI 系統的實際部署安全性

提出一種可調整的 LLM 架構，能從文本中識別並量化人類價值，突破傳統價值理論限制。

本文透過人工智慧模擬社群網路，評估影響操作，發現放大與反訊息對受眾信念影響最大。

本研究將多國資料保護法規統一映射至資料生命週期，揭示不同利害關係人面臨的隱私挑戰，並擴展研究視野。

本研究展示如何利用大型語言模型輔助情緒分析，將定量與定性研究結合，以高效分析多變項下的學生反思數據。

提出結合評分規範、序數校正與錯誤修正的概念瓶頸模型，提升開放式評分的準確性與可解釋性。

以協調博弈模型揭示評量設計如何驅動學生 AI 使用行為，並指出微調反思評量可促成負責任 AI 文化。

提出跨層級框架，說明員工 AI 民主化如何將企業投資轉化為永續競爭優勢。

本文指出，隨著自主 AI 代理人普及，現有 AI 識讀框架無法涵蓋用戶委託決策的情境，形成累積的「代理式識讀債務」，並呼籲將 AI 識讀重新定位為治理能力。

提出結合參與式評估、專家成本評估與 LLM 風險評估的遺傳演算法模擬方法，協助政策制定者在 AI 風險治理中平衡成本與效益。