教育科技研究速報

提出 LLMography 框架，透過分析人機對話歷程來評估 AI 協作的透明度、人類貢獻度與產出溯源性。

本文提出 AICID 系統，旨在為 AI 科學家建立類似 ORCID 的唯一識別碼，以確保學術研究來源的透明度。

透過大規模 AI Token 消費數據，研究發現 AI 曝險程度高的企業與特定職業能獲得顯著的市場溢價。

研究證實僅需 45 分鐘的引導式提示詞教學，即可顯著提升學生對 LLM 提示詞撰寫的自我效能感。

研究探討 AI 工具如何改變學生在程式設計學習中的動機、價值觀與努力程度的心理衝突。

透過分析超過一萬五千次真實課業互動，揭示大學生使用生成式 AI 具有高度結構化且隨學科性質變化的模式。

本研究識別出學生使用 LLM 的四種不同依賴模式，並發現 AI 素養是決定使用類型、價值觀則影響使用強度的關鍵。

本研究利用教育理論框架與 LLM 標註 Slack 溝通數據，發現角色動態能有效預測團隊表現與同儕認可。

研究揭示大型語言模型透過敘事結構與知識框架，隱蔽地複製了西方中心主義、種族階級與性別不對稱的偏見。

本文提出 APP 協定，旨在透過封裝程式碼、數據與 AI 代理指令，將科學出版從靜態論文轉向可互動的知識與操作經驗。

本研究提出 CalBrief 基準測試，發現 LLM 在進行科學簡報時，精細的證據強度分類會導致過度保守的判斷。

開發出一套隱私保護的系統，利用骨架與視線數據結合大型語言模型，實現教室學生注意力的自動化分析。