教育科技研究速報

本文定義了代理型 AI 系統特有的「代理技術債」與「隨機稅」，並提出治理框架以應對其複雜性。

研究發現大型語言模型在評分一致性上甚至能超越人類閱卷員之間的共識，展現高度自動化評分的潛力。

本文提出從單純追求預測準確度轉向以「干預導向」為核心的框架，以應對自動化決策系統對社會組織的影響。

研究發現學生在練習時的「延遲開始」行為能有效預測其數學與英文的標準化測驗表現。

提出一個模仿教授與學生關係的多代理人框架，透過具身教學動作與內容同步，實現端到端的個人化學習。

本文提出將複雜的結構化標註任務分解為子任務，以降低標註者的認知負荷並提升成本效率。

開發出名為 Themis 的框架，結合可解釋 AI 與人類回饋，以提升強化學習系統的安全與對齊性。

研究證實 LLM 能高效且精準地將定性產品回饋轉化為數值與分類情緒指標，且具備高可解釋性。

本研究探討以大型語言模型驅動的代理型網頁瀏覽器，如何作為輔助技術提升低視能使用者的網頁導覽體驗。

本文探討 AI 在輔助溝通系統中的應用挑戰，並提出應考慮使用者交織性特質的強健評估方法。

本文探討如何利用虛擬模擬技術，在安全且受控的環境中進行心理健康干預措施的實驗與個人訓練。

開發 SupplyNet 系統，結合 LLM 多智能體模擬與視覺化工具，提升學習者對複雜供應鏈動態的理解與參與度。