教育科技研究速報

本文建立框架量化LLM對人權問題的保留與非肯定行為，發現身份是主要驅動因素，並證實群體引導能有效減少偏差。

提出將「理解」作為決策的可評估、可辯護核心，並以 Assurance 2.0 框架產出理解基礎與個人理解陳述，警示自動化可能削弱人類理解。

研究揭示遷徙者在跨境過程中，ICT 非使用作為保護與排斥回應，並提出設計原則以預見此行為。

系統性評估後發現，對演算法單一化的主要批評大多失效，僅有少數觀點具一定合理性，整體而言單一演算法並非如批評者所言那般危險。

AI輔助評審可提升國家科學產出18-25%，並降低研究品質變異，證明其為知識產生的結構性驅動力。

提出多代理框架，通過生成-驗證-修訂迭代，顯著提升 LLM 生成個人化數學題目的真實性與可解性。

本文提出 EduIllustrate 基準測試，評估大型語言模型生成 K-12 STEM 領域圖文並茂解釋的能力。

本研究探討利用 RAG 技術開發 AI 教學助理於碩士課程中，並驗證其在開放式考試中的學術有效性。

提出 EduEmbed 框架，透過微調語言模型與文本適配器，解決認知診斷中語義與模型間的分布差異問題。

開發了一套結合 RAG 與雙代理架構的 AI 系統，透過人機協作生成高品質的程式邏輯理解選擇題。

研究發現透過設計「原創性」激勵機制，能有效抵消生成式 AI 導致的觀點同質化問題。

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。