教育科技研究速報

本文指出 LLM 的安全防護與角色設定會創造「現實差距」，將知識風險轉嫁給使用者，並主張以任務層級的因果規範取代底層道德修正，以避免倫理 AI 變得實質上不道德。

指出消費者EEG與HRV可穿戴因獎勵代理信號而失效，提出四層可測量分類與避免失效的設計框架。

建立基準評估LLM學者推薦，揭示模型選擇與提示設計對推薦質量與多樣性的影響

提出雙語醫療資訊回應審核基準，發現低健康素養用戶的回答資訊被稀釋，並提出減緩策略

提出 Symmetry Decomposition Evaluation 以檢測生成式解釋中的立場不對稱，揭示不同層面差異的持續性與可控性。

提出 TELL 架構，將可解釋性嵌入 AI 文本偵測，達到 AUROC 0.927 並提供高質量說明，提升教師對 AI 生成文本的判斷力。

提出 OADA 框架，將公平與風險指標轉化為部署決策，提升高風險 AI 系統的實際部署安全性

提出一種可調整的 LLM 架構，能從文本中識別並量化人類價值，突破傳統價值理論限制。

本文透過人工智慧模擬社群網路，評估影響操作，發現放大與反訊息對受眾信念影響最大。

本研究將多國資料保護法規統一映射至資料生命週期，揭示不同利害關係人面臨的隱私挑戰，並擴展研究視野。

本研究展示如何利用大型語言模型輔助情緒分析，將定量與定性研究結合，以高效分析多變項下的學生反思數據。

提出結合評分規範、序數校正與錯誤修正的概念瓶頸模型，提升開放式評分的準確性與可解釋性。