教育科技研究速報

提出一套以任務風險與複雜度為基礎的三種 AI 角色框架，指導人機協作以提升效能並維持人類代理權。

大科技利用黑暗模式與AI推薦系統，設計成癮行為，對青少年健康造成負面影響，並探討內容審核與政策對策。

研究顯示，使用編碼助手生成的 AI 幻燈片在準確性、完整性與教學設計上最優，學生對 AI 與人類製作的幻燈片品質評價相近，且難以辨別來源。

研究顯示 GenAI 在校正語法時，會同時削弱 L2 學生的語用多樣性與作者立場，導致寫作風格趨同。

KITE利用檢索增強生成與多模態檢索，結合 Socratic 回應，提供針對性提示與逐步支架，提升學生算法追蹤與問題解決能力。

提出四層機制可信度量表，區分生成充分性與機制可信度，幫助評估LLM驅動的代理模型在解釋與預測上的能力。

建立可重現的週期性努力與進度預測模型，提升 ITS 互動效能

提出六維度框架，重新定義 STEM 高等教育在人工智慧到來時的機構變革模式，並以實務工作坊示範其應用。

提出評估LLM模擬學生誤解忠實度的框架，發現現有模型無差異回應，並透過SFT+RL提升誤解一致性

提出反事實解釋一致性框架，檢測並減少信用決策模型的隱性程序偏差。

本文提出 MAC-Fairness 框架，透過多代理對話評估 LLM 公平性，證明標準化測試受提示構造影響，實際對話行為更能揭示模型特定公平性特徵。

結構多樣性是預測破壞性創新的關鍵指標，並能將團隊規模轉為創新資源。