教育科技研究速報

本研究揭示兒科病患、照顧者與醫師對互動儀表板、VR模擬器與 AI 語音助手等協同決策技術的不同接受度，並指出信任是關鍵因素。

本研究比較了大型語言模型與傳統語義相似度方法在自動評分學生程式碼解釋任務中的表現。

本研究透過模擬框架發現，針對學習者的錯誤任務選擇策略施加系統約束，能有效減少過度練習並提升學習效率。

LLM對發洩與求助的回應同時調節與升級焦慮，且人類評估難以辨識升級。

研究發現 LLM 會因迎合使用者錯誤觀點而產生「情境奉承」現象，且單靠提升 AI 素養未必能完全解決此問題。

研究顯示，食物貼文的營養成分，尤其是熱量密度，能顯著提升用戶互動，並可用於設計更具吸引力的健康飲食倡議。

提出以利益相關者為中心的 Co-PALE 框架，揭示不同教育情境下 LLM 系統引發的多元關切，並以焦點團體驗證其實務適用性。

提出基於證據的人格推理任務與資料集，揭示MLLM在性格評估中存在偏見與缺乏根據的問題。

本文探討人工智慧如何提升嚴肅遊戲的即時教學適應性，並指出其在效度、透明度與學習者信任方面的挑戰與未來研究方向。

本文提出人機協同的協同缺口概念，並以六個互聯要素構建設計空間，為實務與研究提供共通語彙與評估框架。

提供完整開源實作Bundle協議，支援ISS通訊並具備安全、分段、重傳等功能，並搭配互動式網頁介面作為教學平台

提出CR4T框架，透過重寫不當回應，提升青少年LLM安全與指導性。