Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][2]
edtechaiassessment
edtech policy and academic integrity5 個來源
教育科技研究速報
AI 自動彙整全球學術期刊與教育科技媒體，以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究，讓台灣教師快速掌握前沿知識。
Discovery Engine
每日新聞統整發現
以多來源搜尋與引用式摘要，將分散新聞壓縮成可回溯的每日統整報導。
Discovery2026年5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
整合EHR的大型語言模型工具於手術患者分診
利用LLM整合EHR的分診工具能高敏感度自動識別需住院醫師協同管理的手術患者，顯示臨床可行性與實際效能。
arXiv - Computers and Society
多語言維基百科引用需求評估系統
開發並部署一套多語言機器學習系統，能在十種語言的維基百科中自動判斷哪些主張需要引用，並在實際環境中達到高準確度與計算效率的平衡。
arXiv - Computers and Society
大型語言模型使用、作弊與軟體工程教育的學術誠信
本研究探討了軟體工程學生如何描述使用大型語言模型（LLM）於不當、未授權或與課程期望不符的情況，揭示了評估設計與教學引導的重要性。
arXiv - Computers and Society
SpecMoE：跨物種 EEG 解碼的光譜混合專家基礎模型
提出 SpecMoE 基礎模型，結合光譜混合專家與 Gaussian 掩碼，提升跨物種 EEG 解碼精度。
arXiv - Human-Computer Interaction
設計對抗：LLM機器人協助分配前端指引
提出一種前端指引模式，協助LLM機器人以可見、可爭議的方式分配有限協助，兼顧多元價值與模型不確定性。
arXiv - Human-Computer Interaction
追蹤線索，建構真相：多模式情緒辨識的混合證據演繹推理
本研究提出 HyDRA 架構，透過 Propose-Verify-Decide 協議，提升多模式情緒辨識的準確性，尤其在資訊模糊或衝突時表現優異。
arXiv - Human-Computer Interaction
生成心理測量中的提示工程：規模發展
本研究透過蒙地卡羅模擬，探討提示工程策略如何影響大型語言模型（LLM）生成人格測驗題目的品質，並發現適應性提示能有效提升效度。
arXiv - Human-Computer Interaction
凝視與手勢指點中的米達斯觸碰：模態失效模式與 XR 介面啟示
開發 XR 適應模態平台，證實手勢指點優於凝視，並揭示不同錯誤類型與 Midas Touch 問題
arXiv - Human-Computer Interaction
同等表現，隱藏偏誤：評估假設與推薦驅動的 AI
本研究揭示，即使 AI 系統的決策結果相同，推薦驅動設計會降低使用者對證據的標準，導致判斷中產生隱藏偏誤。
arXiv - Human-Computer Interaction
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。