教育科技研究速報

本研究評估 LLM 作為人類「數位分身」在心理特質與決策任務中的一致性，發現其在總體層次表現良好，但在細節與偏差模擬上存在侷限。

本文介紹了一種名為 PAT 的代理式 AI 框架，旨在透過深度科學審查與驗證，緩解 AI 加速科學發現帶來的同行評審壓力。

提出 Epi2Diff 框架，將大型推理模型的思考軌跡轉化為認知片段，以精準且可解釋地預測人類解題難度。

本文探討如何透過語音 AI 技術，將學習者從單純的內容消耗者轉變為透過反思、溝通與實踐進行主動學習的角色。

本研究探討 AI 評量量表（AIAS）在不同高等教育環境下的實施經驗，揭示了從政策轉化為教學實踐的關鍵影響因素。

本文透過數學建模揭示 AI 如何引發工作流程的相變，導致具備強驗證能力的勞工與弱驗證能力者之間品質差距擴大。

研究發現現有大型語言模型難以模擬跨文化憂鬱症狀的差異，顯示其缺乏對文化背景的敏感度。

本研究利用穿戴式設備結合 EEG 與 HRV 數據，開發出高精準度的認知負荷即時監測模型。

本研究證實 ChatGLM 能生成具備高合理性與科學性的教師甄試模擬試題，展現其在教育評量自動化的潛力。

本研究探討不同 AI 互動模式（導師、協作者、解題者）對高中生行為指標與腦電波活動的影響。

研究發現 LLM 的普及正悄然改變科學文本的語言特性，特別是詞彙更迭率與複雜度指標間的關聯性。

研究發現 LLM 在模擬飲食障礙患者時雖具備人格穩定性，卻因選擇性刻板印象導致嚴重程度評分過高，缺乏中度臨床表現。