教育科技研究速報

研究發現當 AI 的行為被視為人類設計的產物時，人們會對其施加更嚴格的義務論道德標準。

本研究評估了多代理人 LLM 教學系統在不同併發規模下的延遲表現與成本效益，為大規模部署提供指導。

本研究開發了 QubitQuest 迷你遊戲系列，證明遊戲化教學能有效提升初學者對量子計算概念的理解。

本文主張應嚴格區分聊天機器人的商業與非商業對話情境，以防止隱性廣告侵蝕用戶自主權與情感親密度。

研究發現大型語言模型在模擬哲學觀點時會系統性地抹除觀點多樣性，產生人工的虛假共識。

本研究透過出聲思考法探討研究者在使用 LLM 進行早期研究時，面臨問責、透明度與信任三大挑戰的實務現況。

研究發現多代理 LLM 評估系統存在隱蔽的身份偏誤，且部分匿名化會掩蓋真實的偏誤現象。

本文探討 AI 如何使判斷力變得廉價，進而導致驗證、合法性與真實來源等要素變得稀缺，並呼籲重新設計社會制度。

研究證實數位學習軌跡能有效預測學生的學習風險，但模型在不同環境間的泛化性受限於背景差異。

研究發現視覺語言模型在處理手寫數學時會自動「修正」學生錯誤，並提出 PINK 指標來精準評估與懲罰這種過度校正行為。

研究發現早期學術進度落後是導致大學退學的核心因果因素，其影響力遠大於後期的單次學業失敗。

提出一個利用多代理人辯論進行精準評估與推薦，並結合間隔複習與掌握度進階的語言學習框架。