教育科技研究速報

提出在 AI 系統生命週期中持續監測、以統計方法評估約束違規的審計框架，強調不確定性感知與社會技術規範。

利用多層級機器學習與 SHAP 解釋，證明學校社經平均水平是影響九年級及高中學生表現的關鍵因素。

提出認知近視框架解釋 LLM 偏差，並建議監控機制以降低風險。

提出批判性參與實用主義框架，要求 AI 評估工具透明報告並接受社群批判，以確保其目的特定可靠性。

主張開源AI需配合公共基礎設施，才能真正實現民主化與可持續性

本文提出三條關鍵路徑，促使 AI 研究者成為科學發現的主導力量。

本研究以PRISMA框架整合社會科學與計算方法，揭示網路性侵研究碎片化問題並提出跨領域預防與偵測策略。

本文評估 AI 研究工作流程，證實人類直覺提示與多輪互動提升 LLM 表現，且 LLM 仍略遜於一年級博士生。

文章主張「認識論警覺性」是人類利用 AI 進行科學學習與研究的關鍵約束，決定了 AI 是輔助學習還是造成誤導。

研究提出 SearchGEO 框架，揭示 LLM 搜尋代理易受網路惡意內容操縱，導致其將錯誤資訊轉化為錯誤的建議或背書。

利用隨機共變法量化 LLM 酒店推薦中評價、價格、環保等信號的影響，發現評價與價格主導，環保認證被過度重視，列表位置亦顯著影響。

研究發現 LLM 的解題能力與教學支持能力並不一致，強調評估 AI 導師不應僅看任務成功率。