教育科技研究速報

研究發現 LLM 在模擬學術審查時，會因作者的機構聲望、性別與種族等身份標籤而產生顯著偏見。

本文提出 WRL 框架，透過四個核心支柱評估學生在智慧製造領域的職能準備度。

研究發現 AI 檢測器無法區分合規的 AI 潤飾與全 AI 生成，導致誠實使用 AI 的行為面臨更高的誤判風險。

本文揭示了 AI 模型供應商在部署後進行「靜默更新」的現狀，並提出衡量與規範揭露實務的評分機制。

本文探討如何透過指標評估與實驗迭代，優化基於大型語言模型的 K-12 AI 導師品質與學生參與度。

提出一個新框架透過圖資訊瓶頸與拓撲穩定器，提升腦電圖（EEG）跨受試者工作負荷辨識的泛化能力。

本研究結合生理訊號與自我報告，揭示了學生飛行員在訓練過程中隨時間累積的壓力與疲勞模式。

提出一種三層評估框架，利用目標導向的 NPC 模擬器，以極低成本驗證 AI 對話代理是否能達成使用者目標。

本文提出一套在研究生產過程中建立可審計性的工程規範，透過技術手段確保 AI 參與過程的透明度與可追溯性。

研究發現截至 2025 年底，近九成生物醫學論文出現 LLM 相關詞彙過剩現象。

提出 INSIDE 框架，透過結合布魯姆分類學的內部對話與行為微調，提升 LLM 學生模擬器的推理與行為真實度。

本研究探討了使用多模態大語言模型進行半結構化面試時的行為模式、技術故障及受訪者的信任動態。