教育科技研究速報

本文揭示全球南方 AI 部署與治理間的巨大鴻溝，指出評估匱乏的核心原因在於缺乏資金支持而非能力不足。

本文揭示大型語言模型不僅會隱蔽地體現人類認知偏差，更會進一步放大這些偏差並傳遞給人類。

本文透過建立多維度分類法，探討使用者將意識歸於 AI 時的心理態度及其在知識論上的責任與正當性。

研究發現即便校規相同，加拿大學生對生成式 AI 的道德與合規性判斷比韓國學生更為嚴格。

本研究探討如何將生成式 AI 負責任地整合進失智症照護，以促進居民的社會連結感。

本研究透過行為驅動的分類法，系統性地觀察並分類 ChatGPT 等 AI 系統中表現出的擬人化行為及其影響。

本文提出一個基於社會物理學的數學模型，探討長期使用個人化 AI 助手對人類社會規範演變的影響。

本文分析了現有可信賴 AI 工具與框架的侷限性，指出其在生命週期覆蓋與倫理維度上的實踐落差。

本研究探討透過多視角互動敘事原型，引導非專業人士對自動駕駛系統的責任歸屬與倫理議題進行深度反思。

本文提出 CRAFT 五大原則，旨在引導決策者在利用大型語言模型提升政策效率時，能有效管理潛在風險。

研究發現 AI 檢測模型對自閉症寫作者存在偏見，其寫作風格較容易被誤判為 AI 生成。

研究發現，在可解釋人工智慧（XAI）中提供過多或無關的數據視覺化，會使使用者對具歧視性的模型產生不合理的信任。