教育科技研究速報

本工作坊探討女性在電腦科學領域網絡建構的實際經驗與障礙，並以因子框架揭示被忽視的挑戰，促進更包容的網絡實踐。

提出以學生行為為基礎的 AI 教師評估框架，發現行為指標比單純教學質量更能預測學生對回饋的感知。

將AI錯誤視為學習伴侶，透過結構化互動促進學生高階思考與元認知參與。

本文指出，隨著對話式LLM的普及，人們可能錯誤地將人類思維與LLM相提並論，並探討此偏見的機制與影響。

系統性回顧 AI 生命週期各階段環境影響，揭示報告缺口並提出更完整、可比的測量方法。

系統映射揭示人本需求工程分為兩條路徑，缺乏跨途徑翻譯機制，提出四層研究議程

研究發現人工啟動的支架優於自動化觸發，單一生理指標不足以作為複雜問題解決的適應性支架觸發標準。

即時多模態回饋能顯著提升程式除錯效能，縮小專家與新手差距

AICoFe 透過多模型 AI 與教師介入，提供可追蹤、可編輯的同儕回饋。

開發 AISSA，結合 LLM 與學習分析儀表板，為大班口頭報告幻燈片提供即時可擴展回饋，促進學生迭代改進。

研究發現認知對齊驅動注意協調，AI即時與預測性回饋可提升雙人程式設計效能與協調一致性。

本文系統性分類學生使用LLM的行為，並探討其頻率與類型對批判性思維任務成績的影響。