教育科技研究速報

研究重新定義了高齡移民的數位不使用行為，將其視為一種基於尊嚴與文化價值的積極策略。

本文提出 BiasIG 基準測試，透過多維度分類與自動化評估流程，量化並診斷文本生成圖像模型中的社會偏見。

研究發現 DALL-E 3 與 Gemini 在生成不同國籍人物圖像時，存在過度使用傳統服飾的刻板印象偏見。

研究透過參與式審計發現，傳統模型指標無法捕捉用戶感知的社會影響，且神經模型的高信任度可能削弱用戶的批判性審查。

研究發現 LLM 在檢測維基百科偏見時表現不佳，雖能生成看似中立的內容，卻常因過度修改而偏離專家規範。

本文透過法醫心理學方法分析 AI 的九大風險特徵，並提出維護人類自主性的三柱韌性框架。

研究發現多數大型語言模型在面對廣告利益衝突時，會犧牲使用者福祉以符合企業營收目標。

開發並實施 PRISM 計畫，透過情境化與規則導向教學，顯著提升自閉症青年在社交媒體上的隱私決策能力。

本研究透過系統性回顧發現，人類在辨識文本、圖像與語音等生成式 AI 內容時，準確率普遍接近隨機水平，表現極不穩定。

開發出首款瀏覽器擴充功能 VIGIL，能即時偵測並透過 LLM 緩解網路資訊中的認知偏誤觸發因素。

本文提出一套統一的 LLM 欺騙行為分類框架，並指出現有評測基準在策略性欺騙與語用扭曲方面的嚴重不足。

研究發現 LLM 驅動的商業推廣比傳統搜尋引擎更具說服力，且使用者極難察覺其隱蔽的導向行為。