教育科技研究速報

本文將 LLM 審查視為社會技術現象，探討其從數據策劃到監管規制的生成機制與治理挑戰。

研究證實結合價值敏感設計的對話式 AI 能顯著提升低識字族群在敏感議題調查中的完成率。

研究證實代理型 AI 因具備透明的推理與工具調用過程，能顯著提升醫師的認知信任與行為依賴。

本文透過基礎設施、可及性與人力能力三大維度，分析非洲在 AI 發展中所面臨的碎片化挑戰與潛力。

本文提出一個基於「帕累托盈餘」的正式框架，旨在透過衡量學生超越 AI 基線的能力來實現抗 AI 的評量。

研究發現 LLM 的自我一致性雖具操作價值，但高一致性模型在臨床情境下反而更容易犯下嚴重錯誤。

研究指出目前的 AI 透明度文件多僅滿足合規要求，卻未能有效滿足高風險、低控制權利害關係人的實際需求。

提出 Clarus 框架，將科學研究從單一任務轉向跨代理、跨資源的開放式、可審計協作流程。

提出 LLMography 框架，透過分析人機對話歷程來評估 AI 協作的透明度、人類貢獻度與產出溯源性。

本文探討 AI 引入的「隱性機器知識」如何與人類知識互動，並重新定義組織創新中的知識螺旋過程。

研究發現，使用擬人化語言描述 AI 對公眾感知的即時影響相當有限，並未顯著改變對技術的看法。

研究指出傳統知識圖譜因過度依賴文本頻率而產生歸因偏差，並提出以時間溯源法修正後，能發現跨傳統的概念結構同構性。