教育科技研究速報

本文主張將公共部門使用的 LLM 提示詞視為受治理的公共資產，並提出「提示詞公地」框架以提升透明度與問責性。

透過機器學習分析 PISA 2022 數據，證實壓力對學業表現的負面影響在全球六大洲具有高度一致性。

研究發現地理文化差異是影響 AI 安全評估的重要變數，且現有數據集缺乏文化代表性。

本文提出 nexbax 診斷框架，評估 AI 在基礎設施受限環境下的經濟可行性、操作實用性與社會治理一致性。

本研究提出一個基於 CC2020 模型的可擴展框架，透過分析學習行為數據來量化評估演算法課程中學生的知識、技能與素養。

本研究提出評估與緩解 LLM 生成程式碼偏見的框架，並發現現有緩解策略效果有限。

本研究利用學習分析技術，透過知識網絡分析揭示不同 AI 素養程度學生在寫作任務中截然不同的互動策略。

本文提出一個五階段的 AI 素養發展模型，引導學生從盲目使用轉向具備批判性與責任感的應用能力。

研究證實 AI 驅動的教學能顯著提升偏鄉身障學生在科學學習中的參與度、概念留存與實驗表現。

開發了一種神經符號管線，透過解耦語義理解與物理約束，解決生成式 AI 在繪製物理圖表時常見的物理錯誤問題。

提出 G-STAR 框架，透過結合說話者追蹤模組與語音大語言模型，解決長篇多方對話中的身份一致性與時間戳問題。

本文提出一個結合深度知識追蹤與因果森林的框架，用以精準評估隨選真人教學對學生學習成效的異質影響。