教育科技研究速報

本研究透過結合學習分析與自我報告，揭示了高低輟學風險學生在程式設計入門課程中截然不同的自主學習策略模式。

本研究提出一種利用學生程式碼中的結構化知識組件（KC）來引導生成式 AI，以產出更具針對性的程式學習範例。

本文提出一套結合開源 AI 工具的流程，利用虛擬分身為投影片教學增添教師存在感與敘事連續性。

研究發現學生傾向將 AI 用於直接獲取答案，而非進行教學設計者所期望的持續性學習對話。

本研究評估了多代理人 LLM 教學系統在不同併發規模下的延遲表現與成本效益，為大規模部署提供指導。

本研究開發了 QubitQuest 迷你遊戲系列，證明遊戲化教學能有效提升初學者對量子計算概念的理解。

研究發現大型語言模型在模擬哲學觀點時會系統性地抹除觀點多樣性，產生人工的虛假共識。

本研究透過出聲思考法探討研究者在使用 LLM 進行早期研究時，面臨問責、透明度與信任三大挑戰的實務現況。

本文探討 AI 如何使判斷力變得廉價，進而導致驗證、合法性與真實來源等要素變得稀缺，並呼籲重新設計社會制度。

研究證實數位學習軌跡能有效預測學生的學習風險，但模型在不同環境間的泛化性受限於背景差異。

研究發現早期學術進度落後是導致大學退學的核心因果因素，其影響力遠大於後期的單次學業失敗。

提出一種利用大型語言模型將教學材料自動轉化為結構化 TMK 模型的新方法，大幅提升 AI 導師系統的開發效率。