教育科技研究速報

本研究提出三軸保真度框架，探討如何利用小規模人類數據透過微調來提升 LLM 模擬社會問卷的統計準確性。

本文提出 AICID 系統，旨在為 AI 科學家建立類似 ORCID 的唯一識別碼，以確保學術研究來源的透明度。

提出 VirtueMap 框架，利用亞里斯多德美德倫理學來量化並評估大型語言模型在道德決策中的特質剖析。

本文提出「粒度校準法」以解決 LLM 在文本編碼時可能因錯誤邏輯卻得到正確結果的效度問題。

研究證實透過 30 分鐘的結構化訓練，能顯著提升專業人員辨識真實與 AI 生成圖像的準確度。

開發名為 LUMEN 的開源多代理系統，能以低廉成本自動化執行系統性回顧，且結果與專家分析高度一致。

研究發現 LLM 驅動的社交機器人在處理跨文化道德決策時存在顯著偏差，且僅靠提示工程難以完全修正。

透過大規模 AI Token 消費數據，研究發現 AI 曝險程度高的企業與特定職業能獲得顯著的市場溢價。

研究證實僅需 45 分鐘的引導式提示詞教學，即可顯著提升學生對 LLM 提示詞撰寫的自我效能感。

研究探討 AI 工具如何改變學生在程式設計學習中的動機、價值觀與努力程度的心理衝突。

本文探討如何評估 LLM 在執行高風險排序任務時的一致性，並提出結合內部與外部指標的可靠性評估框架。

透過分析超過一萬五千次真實課業互動，揭示大學生使用生成式 AI 具有高度結構化且隨學科性質變化的模式。