教育科技研究速報

研究發現 LLM 的自我一致性雖具操作價值，但高一致性模型在臨床情境下反而更容易犯下嚴重錯誤。

研究指出目前的 AI 透明度文件多僅滿足合規要求，卻未能有效滿足高風險、低控制權利害關係人的實際需求。

本文提出一個決策框架，研究如何在人力稀缺與技能衰減的情況下，優化教育支持服務的專業能力配置。

提出 Clarus 框架，將科學研究從單一任務轉向跨代理、跨資源的開放式、可審計協作流程。

本研究透過文獻綜述提煉設計原則，並開發出以故事驅動的嚴肅遊戲原型，以支持 ADHD 與學習障礙學生轉銜至高等教育。

提出 LLMography 框架，透過分析人機對話歷程來評估 AI 協作的透明度、人類貢獻度與產出溯源性。

本研究探討開發者如何利用 Reddit 論壇尋求隱私法律建議，並分析其面臨的挑戰與資訊可信度評估方式。

本文探討 AI 引入的「隱性機器知識」如何與人類知識互動，並重新定義組織創新中的知識螺旋過程。

研究發現，使用擬人化語言描述 AI 對公眾感知的即時影響相當有限，並未顯著改變對技術的看法。

研究指出傳統知識圖譜因過度依賴文本頻率而產生歸因偏差，並提出以時間溯源法修正後，能發現跨傳統的概念結構同構性。

本研究提出三軸保真度框架，探討如何利用小規模人類數據透過微調來提升 LLM 模擬社會問卷的統計準確性。

本文提出 AICID 系統，旨在為 AI 科學家建立類似 ORCID 的唯一識別碼，以確保學術研究來源的透明度。