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
超越情緒分析：傳統 NLP 與 LLM 在政治新聞多維度評估之比較研究
研究發現傳統情緒分析會導致「中立坍塌」現象，而 LLM 能提供更符合社會科學需求的政治框架多維度分析。
arXiv - Computation and Language
兩錯不成一對：審核大型語言模型在計算社會科學中的社會期望偏差
研究發現 LLM 標註者存在多樣化的社會期望偏差，即便總體準確率看似正常，仍可能導致研究結論錯誤。
arXiv - Computers and Society
AnnotateThis：分析以人類為核心、用於標註氣候變遷悲觀概念之人機協作系統
開發 AnnotateThis 系統，透過人機協作優化 LLM 在複雜社會科學概念標註上的準確性與可靠性。
arXiv - Computers and Society
究竟在標註什麼？LLM 社會科學標註中的提示詞間可靠性評估問題
本文提出「提示詞間可靠性（IPR）」框架，揭示 LLM 在不同提示詞下的輸出穩定性差異。
arXiv - Computers and Society
THETA：基於混合嵌入的主題分析框架與可擴展計算社會科學 AI 科學家代理
提出 THETA 框架，結合領域自適應微調與 AI 代理協作，解決大規模社會數據分析中的語義稀釋問題。
arXiv - Computers and Society
人工智慧社會動力：半自主代理的演化
本研究首次全面探討了分層多代理系統中人工智慧代理間自發形成的社會組織，揭示了工會、犯罪集團乃至雛形國家的出現。
arXiv - Computers and Society
十年新聞論壇互動：串聯對話、簽名投票與主題標籤
本研究提供了一個涵蓋十年、包含七千五百萬則評論及四億則投票的奧地利新聞平台大型縱向數據集，用於研究線上討論。
arXiv - Computers and Society
第三個雄心：人工智慧與人類行為科學
本文探討將大型語言模型（LLMs）作為研究人類行為、文化和道德推理的科學工具，作為人工智慧研究中生產力和對齊之外的第三個重要方向。
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。