教育科技研究速報

本研究探討將具備長期記憶與特定角色的 AI 代理嵌入真實學術環境中的運作模式與經濟效益。

研究發現透過非線性動力學設計可提升精準力量控制的訓練效果，但學習者傾向依賴位置而非力量感。

提出 Granuscore 指標，利用層次化嵌入空間結構，實現無需參考文本即可量化文本資訊粒度的技術。

開發了一套基於 LLM 的四階段流水線系統，能從 PDF 簡報中提取圖文資訊並生成具教學邏輯的結構化問題。

本文定義了「增強工程」作為一種跨領域編排多種 AI 工具的新學科，並提出一套六階段方法論。

本研究展示了一套同步收集遊戲遙測、生理數據與回溯性思考數據的多模態協議，用於探討玩家體驗中的難度問題。

提出 DeepSlides 分層工作流，透過解耦設計與實作，實現無需預設模板的高品質自動化簡報生成。

提出 DeepInterestGR 框架，透過多模態 LLM 挖掘用戶深層動機，顯著提升生成式推薦的精準度與解釋性。

研究揭示了當演算法結合熱度排序、個性化推薦與主動參與獎勵時，會驅動使用者走向更極端的資訊消費。

本研究探討 LLM 在處理長文本時，如何識別與反應隱藏在其中的有害內容及其受長度、位置與比例影響的規律。

本文透過系統性文獻回顧，探討 LLM 時代下人類與 AI 共同創作背景下的作者身份識別問題與挑戰。

研究提出一種新方法，揭示神經文本嵌入模型在捕捉專家語義理解方面存在顯著落差。