教育科技研究速報

本研究探討 LLM 在處理長文本時，如何識別與反應隱藏在其中的有害內容及其受長度、位置與比例影響的規律。

提出 PICACO 方法，透過優化元指令來解決 LLM 在處理多樣且衝突的人類價值時的指令瓶頸問題。

本文透過系統性文獻回顧，探討 LLM 時代下人類與 AI 共同創作背景下的作者身份識別問題與挑戰。

研究提出一種新方法，揭示神經文本嵌入模型在捕捉專家語義理解方面存在顯著落差。

本文指出 AI 雖能加速單項任務，但若因錯誤導致後續重做，反而會造成系統性的工作流延遲。

提出 ExAtlas 框架，將社會科學實驗存檔轉化為結構化圖譜，自動識別研究間的一致性、衝突與知識缺口。

本文探討生成式 AI 如何透過西方中心主義的數據集，導致身心障礙者等少數群體的知識體系被邊緣化。

本文透過專家訪談，分析了利用隨機對照試驗衡量 AI 對人類表現影響時所面臨的方法論挑戰與對應解決方案。

本文分析 Google NotebookLM 生成的播客，指出其存在固定的模板化結構，並將多元文化內容轉譯為美國中產階級的文化視角。

研究發現 AI 生成圖像與迷因格式結合時能顯著提升社群參與度，且不同政黨用戶對 AI 的使用策略存在顯著差異。

本文提出利用 AI 輔助將模糊的評估概念轉化為具體、可測量的結構化規範，以解決生成式 AI 評估難題。

研究發現 LLM 評分員會傾向於追隨人類多數意見，卻無法複製人類專家之間存在的意見分歧。