Discovery2026年8月26日
2026教育科技新局：AI從輔助工具進化為認知夥伴，引發教學與評量體系系統性重構
隨著AI技術從單一工具進化為參與學習全過程的認知夥伴，全球教育正進入系統性重構的新階段 [1]。教育領域正透過AI技術實現教學、評量與角色轉型的深層變革，並在產業端展現出內容與技術雙輪驅動的發展趨勢 [2][5]。
edtechaiassessment
AI tutoring5 個來源
教育科技研究速報
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。
Discovery Engine
每日新聞統整發現
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。
Discovery2026年8月26日
從基礎設施到數位鏈結：網路攻擊正深入實體生產與營運技術環境
網路攻擊目標已從傳統辦公資訊系統轉向影響民生的營運技術（OT）環境 [1]。這對高度自動化的科技製造業構成重大威脅，攻擊者可能透過資訊系統滲透進生產設備 [1]。
cybersecurityotmanufacturing
cybersecurity and consumer electronics2 個來源
Discovery2026年8月26日
2026年AI Agent技術演進：從自動化開發工具到企業級語音應用之全面觀察
AI Agent 正從開發端的自動化編碼工具擴展至企業端的語音商業應用 [1][2]。同時，AI 輔助生成的內容也開始對學校與地方政府等公共機構造成行政壓力 [3]。
edtechaiassessment
AI agents3 個來源
實證研究：學生如何使用 ChatGPT 撰寫論文及其對作品所有權之影響
本研究旨在透過觀察學生與 ChatGPT 的互動過程，探討 AI 輔助寫作對學生作品所有權感知的影響。
arXiv - Human-Computer Interaction
DysLexLens：利用低資源大型語言模型框架分析閱讀障礙學習者之線上論壇洞察
開發 DysLexLens 框架，透過分析 Reddit 論壇數據，以低資源且具證據追蹤性的方式研究閱讀障礙者使用 AI 的經驗。
arXiv - Human-Computer Interaction
專為心理健康設計的對話式 AI 之功能性成效與自然參與度研究
研究證實使用心理健康對話 AI 四週後，使用者的生活滿意度、睡眠品質及工作聯盟感皆有顯著提升。
arXiv - Human-Computer Interaction
人機互動中的打字行為：透過按鍵動力學揭示提示詞撰寫時的認知負荷
研究發現按鍵動力學能有效反映使用者在與 LLM 互動時的認知努力程度，但無法預測對輸出結果的滿意度。
arXiv - Human-Computer Interaction
針對空間化文件佈局的上下文感知解釋框架
提出 CAPE 框架，透過結合文件語義與空間上下文，利用 LLM 生成能解釋空間組織關係的自然語言說明。
arXiv - Human-Computer Interaction
HandMade：利用帶有部件標籤的 VR 素描進行空間提示的生成式 3D 創作
提出一種結合 VR 3D 素描與語言指令的新工作流，解決純文字生成 3D 模型時難以精確控制空間佈局的問題。
arXiv - Human-Computer Interaction
社群內容審核中的集體智慧：政治立場對協作效果的限制
研究發現協作能提升社群審核品質，但政治立場的暴露會削弱協作效益，且團隊組成對不同政黨內容的影響不一。
arXiv - Computers and Society
整合知識圖譜、大型語言模型與搜尋代理之混合式事實查核系統
開發一種結合知識圖譜、LLM 與網路搜尋代理的混合式架構，提升事實查核的可解釋性與準確度。
arXiv - Computers and Society
這是 AI 嗎？針對兩個 Reddit 社群 AI 檢測策略的縱向分析
本研究透過分析 Reddit 社群數據，揭示了使用者如何隨著生成式 AI 技術的演進，不斷調整其辨識 AI 內容的策略與心理模型。
arXiv - Computers and Society
基於大型語言模型之數位分身的心理計量可比性研究
本研究評估 LLM 作為人類「數位分身」在心理特質與決策任務中的一致性，發現其在總體層次表現良好，但在細節與偏差模擬上存在侷限。
arXiv - Computers and Society
邁向科學審稿自動化：Google 的論文助手工具 (PAT)
本文介紹了一種名為 PAT 的代理式 AI 框架，旨在透過深度科學審查與驗證，緩解 AI 加速科學發現帶來的同行評審壓力。
arXiv - Computers and Society
透過大型推理模型之認知片段實現可解釋的人類題目難度預測
提出 Epi2Diff 框架，將大型推理模型的思考軌跡轉化為認知片段，以精準且可解釋地預測人類解題難度。
arXiv - Computers and Society
每週精選研究電子報
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。