教育科技研究速報

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。

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。

研究發現視覺內容能提升可信度，但效果受格式影響，且美感透過處理流暢性提升可信度，而非製作品質。

本文開發了一套細粒度的分類法，用以系統化分類初學者在理解程式控制流（選擇與迭代）時的錯誤與誤解。

本文分析 Google NotebookLM 生成的播客，指出其存在固定的模板化結構，並將多元文化內容轉譯為美國中產階級的文化視角。

研究揭示學生在數位消費與技術創造間存在嚴重的能力落差，並對 AI 運用與批判意識存在過度自信的錯覺。

本文提出以證據中心設計（ECD）為基礎的框架，將生成式 AI 視為評量設計變數，而非外部威脅。

本文指出 AI 的導入效果受限於人類與環境因素，單純技術升級無法直接轉化為組織生產力的提升。

本文提出「AI 委託審議」新範式，並透過 Habermolt 平台評估 AI 代表在民主參與中的有效性。

提出 PAIRED 框架，透過記錄研究決策過程而非僅僅產出結果，來解決 AI 在科學研究中貢獻透明度的問題。

提出 KT4EQG 框架，結合知識追蹤模型與大型語言模型，為學生生成能最大化知識掌握度的個人化練習題。

提出 BOHM 方法，利用已存在的路由權重即時生成多層次歸因，零成本且不需存取組件內部，與 SHAP 互補。