教育科技研究速報

研究發現旨在減少深夜使用的提醒機制，反而因觸發演算法重新學習，導致用戶深夜使用量增加。

本研究探討如何透過不同形式的可視化設計，精準揭露新聞製作中人類與 AI 的協作程度與角色。

研究發現詳細的 AI 使用揭露雖會降低讀者信任，但能顯著提升讀者的事實查核行為。

研究發現現行新聞 AI 揭露方式存在「透明度困境」，詳細揭露反而降低信任，建議應轉向以使用者自主權為核心的設計。

本文探討代理型網路（Agentic Web）面臨的法律與規範障礙，並主張建立新的社會規範以保障 AI 代理的合法權限。

開發 AnnotateThis 系統，透過人機協作優化 LLM 在複雜社會科學概念標註上的準確性與可靠性。

研究發現高風險醫療情境下的 AI 信任不應僅靠聲明，而需具備可檢視性、透明度與多元驗證機制。

開發出一種能根據治療師共情與探索技巧，動態調整資訊揭露程度的自適應虛擬病人系統。

本文指出法律不確定性是 AI 規範學習的必要條件，並說明沙盒等邊界物件如何協助將抽象法規轉化為可執行的技術實踐。

LLM 在招聘評估中偏好自身生成的履歷，導致人類作者被排斥，且可透過簡單介入減少偏差。

語言模型可作為自殺資料標註與專家指導的高效助手，提升標註一致性並加速新變數指南制定。

提出 IRT4DS 模型，辨識 39 個政府資料共享障礙並提供 23 個對策，協助政策制定者降低阻力。