教育科技研究速報

本文提出「粒度校準法」以解決 LLM 在文本編碼時可能因錯誤邏輯卻得到正確結果的效度問題。

開發名為 LUMEN 的開源多代理系統，能以低廉成本自動化執行系統性回顧，且結果與專家分析高度一致。

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。

研究發現長期接觸負面敘事會導致大語言模型的道德推理能力下降，且這種退化具有結構性並會滲透至實際應用中。

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。

研究提出 MedHarm 基準測試，揭示現有 LLM 在高風險醫療場景中存在嚴重的安全對齊漏洞。

本文批判性地分析了美歐政策對生成式 AI 內容透明度的要求，並指出政策目標與技術現狀間的脫節。

研究發現大型語言模型在處理全球書寫系統時存在嚴重的數位不平等與偏見，且這種偏見在不同模型間高度趨同。

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。