AI 衝擊學術誠信:高等教育面臨評量重塑與信任危機的雙重挑戰
隨著 AI 工具演進至能完成複雜任務的自主代理人階段,高等教育機構正被迫重新思考評量設計與學習驗證方式 [1]。目前學術界在應對 AI 作弊問題上,正陷入監控與說服兩種防禦策略的掙扎中 [2]。
AI 自動彙整全球學術期刊與教育科技媒體,以繁體中文摘要呈現 SRL・PBL・EdTech 最新研究,讓台灣教師快速掌握前沿知識。
以多來源搜尋與引用式摘要,將分散新聞壓縮成可回溯的每日統整報導。
隨著 AI 工具演進至能完成複雜任務的自主代理人階段,高等教育機構正被迫重新思考評量設計與學習驗證方式 [1]。目前學術界在應對 AI 作弊問題上,正陷入監控與說服兩種防禦策略的掙扎中 [2]。
教育科技領域正進入 AI 深度整合期,學習分析與預測模型在提升個人化學習的同時,也面臨透明度與倫理挑戰 [2]。此外,學生對 AI 的負面情緒上升,且學術評量制度正因 AI 代理技術的演進而被迫重新設計 [3][4]。
教育領導者正透過 CoSN 2026 年會探討如何建構創新的學習環境 [1],同時高等教育界也面臨 AI 技術帶來的數位素養與威脅評估等新議題 [2][3]。
本研究透過在老年人居家環境中設置裝飾性物件,將久坐行為數據轉化為具美感的實體呈現,並探索其如何促進自我反思、家庭對話及鼓勵更活躍的生活方式。
本研究比較了三種樣本選擇方法,用於生物醫學時序資料的標註,發現互動式 2D 可視化在整合不同標註者意見時表現最佳。
本研究分析 67 個開放原始碼專案,揭示了 GenAI 治理超越單純禁止,需要協調的責任、驗證、審查能力及平台基礎設施。
本研究提出GUIDE基準,旨在評估AI模型在理解使用者在複雜軟體中操作意圖並提供協助的能力,超越傳統的自動化模式。
這項文獻回顧發現,過去十年機器人輪椅的設計、開發與評估中,使用者參與程度仍然有限,多集中在後期評估階段。
本研究透過工作坊,探討設計者在兒童與人工智慧互動情境中,如何理解並實踐兒童自主性,並提出一個支援設計者思考自主性的框架。
本研究探討在高等教育中,如何透過運用能力較弱的大型語言模型(LLM),建構人機合作的信任關係,並提升學生的 AI 素養。
本文提出一個三層框架,重新思考AI在多元能力協作中的角色,強調建立共享資訊基礎、協調不同能力者的工作流程,以及作為有限的合作夥伴共同實現目標。
本研究提出基於機器未學習的知識水平模擬方法,旨在創造更穩定的新手學習者模型,並評估其透過教學互動重新學習的能力。
本研究揭示了人們在日常生活中同時使用多種大型多模態語言模型(MLLM)的習慣,並探討了其在模型間協調、信任校準及對話管理上的挑戰。
本研究透過日記研究法,探討知識工作者在大型語言模型(LLM)暫時停用時的工作體驗,揭示了 LLM 在工作流程中的重要性及對專業價值的影響。
本研究探索了利用大型語言模型(LLM)生成個人化想像暴露劇本,以輔助治療社交恐懼症的可行性,並初步驗證了其在臨床上的潛力。
每週五信箱收到精選 5 篇教育科技重點研究摘要,零時間壓力掌握學術前沿。