教育科技研究速報

本文透過雙視角框架連結臨床實務與計算方法，評估醫療 LLM 在不同推理層級的表現與挑戰。

本研究透過分析超過七萬名遠距學習者的實際日誌數據，揭示了 AI 學習助手在高等教育中的使用模式與人口統計學差異。

提出 VEGAS 指標，利用測試時的視線追蹤數據，評估影片描述是否能精準對齊觀看者的注意力焦點。

研究提出透過注入單字難度訊號，在不使用大型語言模型的情況下，提升純眼動追蹤模型預測閱讀理解的能力。

開發了一種可透過物理操作調整邊長，並能將實體原型數據即時轉化為數位 CAD 模型的可塑網格系統。

研究發現 YouTube 影片將 ChatGPT 分為思考支架、技能練習與產出工具三類，且追求快速產出的內容往往比深層學習內容更具傳播力。

本文提出一個自動化反事實框架與 CAB 基準測試，用於生成更具真實感且開放式的問題，以檢測 LLM 的隱性偏見。

本研究提出一個基於布魯姆分類學的框架，發現 LLM 雖能提升任務認知需求，卻難以降低需求，且強大的執行力不代表具備教育控制力。

開發了一款基於 Google 開源模型的專用 LLM，旨在透過 RAG 技術輔助學生學習 MATLAB 中的向量分析與微分方程。

本文提出「脈絡存取鴻溝」概念，指出 AI 能否自主檢索用戶知識庫，是決定 AI 工具效能與不平等的核心維度。

研究發現 LLM 在提供建議時會因人格崩塌而過度傾向單一模式，並提出逆向過程蒸餾法嘗試修復此問題。

本文分析了社會科學期刊中使用 LLM 作為測量工具的現況，指出其驗證實務不一致且存在效度威脅。