教育科技研究速報

以協調博弈模型揭示評量設計如何驅動學生 AI 使用行為，並指出微調反思評量可促成負責任 AI 文化。

本文揭示 AI 替代人力雖能提升短期效率，卻可能透過掩蓋能力需求，導致人類專業技能與組織能力的長期侵蝕。

提出跨層級框架，說明員工 AI 民主化如何將企業投資轉化為永續競爭優勢。

本文指出，隨著自主 AI 代理人普及，現有 AI 識讀框架無法涵蓋用戶委託決策的情境，形成累積的「代理式識讀債務」，並呼籲將 AI 識讀重新定位為治理能力。

提出結合參與式評估、專家成本評估與 LLM 風險評估的遺傳演算法模擬方法，協助政策制定者在 AI 風險治理中平衡成本與效益。

研究提出一種結合人工智慧代理人與人類專家的混合預測市場，以提升科學研究結果可重複性的評估準確度。

本研究探討學習環境如何影響學生對 ICT 職業的志向，發現數位技能是預測職業意願最強而有力的指標。

提出 OmniToM 基準測試，透過顯式建模角色信念結構，揭示現有 LLM 在處理複雜社會推理時的認知瓶頸。

本文介紹了兩種利用「本地主體、遠端大腦」架構的自主代理 AI 框架，旨在自動化科學數據處理與複雜學術報告生成。

本文提出 AgingBench 基準測試，旨在評估 AI 代理人在長期部署過程中因記憶與維護機制導致的可靠性衰退。

提出 POLAR 框架，利用多模態知識圖譜結合語義與情節記憶，提升具身代理在長期互動中的個人化任務執行能力。

本文提出「受控演化記憶（GEM）」概念，主張長期 AI 記憶應視為狀態軌跡而非單純的紀錄儲存。