教育科技研究速報

本文推出首個針對 Word、Excel 與 PowerPoint 原生格式進行綜合理解力評估的公開基準測試 OCB。

研究發現人機協作的成效取決於個人的特質（如好奇心與謙遜），而非單純的認知能力或 AI 模型性能。

研究發現使用者持續使用 AI 的核心動機在於提升個人自主權的感知，而非僅基於對系統準確性的信任。

本文綜述了全球 AI 法規趨勢、風險類型及評估方法論，並指出當前研究在風險管理上的缺口。

本文透過數位人文方法探討 AI 時代知識價值的轉變，提倡從傳統知識觀轉向「生成性」價值框架。

本文透過分析近四千篇文獻，提出開源軟體（OSS）的十四種子類型分類，強調研究結果不應盲目推廣至所有開源模式。

開發了一款利用 LLM 自我修復技術的瀏覽器擴充功能，讓研究者能直接在社群平台進行低門檻的數據收集與標註。

本文主張大學應從防禦性的 AI 檢測轉向積極的 AI 整合，透過重塑評量與提升 AI 素養來促進學生自主學習。

本文探討 AI 基準測試因模型性能飽和而面臨的信號衰減問題，並指出高品質評估依賴稀缺的專家判斷。

研究提出將 AI 監督從「對抗式辯論」轉向「協作式尋求真相」的新範式，顯著提升了非專家模型的判斷準確度。

本文提出一個以人為中心的框架，旨在解決 AI 社會技術對齊中缺乏明確規範定義與理論基礎的問題。

本文提出一套審計框架，旨在應對 LLM 產出的偽理性認知風險，並將 AI 生成內容回歸至可驗證的實務流程。