教育科技研究速報

本文提出一個框架，探討長期人機互動中產生的認知與行為漂移現象，並強調透過元認知干預來維持學習者的認知可靠性。

本研究探討使用小型視覺語言模型與策展知識，為盲人及低視能族群提供多語言藝術描述的技術可行性。

研究提出 Social AI Design Code 框架與 EUDAIMONIA 基準測試，揭示頂尖 LLM 在社交對齊上仍存在顯著風險。

本文介紹 CONSIDER 原型，旨在透過與 AI 生成的反對意見進行結構化辯論，協助使用者釐清價值觀並應對道德分歧。

本文提出一個基於信號理論的多維框架，用以評估 AI 在對話中展現共情的適當性而非僅僅是存在與否。

開發了一款結合肌肉與功能層面回饋的虛擬訓練平台，證明了不同注意力焦點對肌電技能習得與保留的影響。

研究發現情境化雖會降低 AI 的說服力，但結合對話溫暖感能恢復其說服力，且 AI 素養高者雖信任度低卻更易受 AI 影響。

本研究提出一套結合 LLM 與 UXR 框架的方法論，透過結構化需求來改善認知障礙者的行動學習體驗。

提出「可縮放共情視覺化（ZEVs）」技術，讓使用者能在抽象統計數據與具象個人敘事間平滑切換，以增強情感連結。

提出結合行為評估與內部表徵分析的框架，用以驗證大型語言模型代理人是否具備真正的目標導向性。

本文批判現有 LLM 推理研究缺乏科學嚴謹性，並針對驗證模型創新與可重複性提出透明度準則。

研究發現視覺語言模型在面對模糊影像時，即便內部已編碼女性特徵，輸出仍會因偏見而傾向於男性。