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
大型語言模型作為數據標註者的有效性：以 AMALIA 模型對權威觀念的分析
研究發現葡萄牙國家模型 AMALIA 在標註複雜道德觀念時，雖與人類一致性高，卻可能僅依賴表面特徵而非理解理論邏輯。
arXiv - Computers and Society
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
社會科學與人文學科利用 LLM 進行文本標註的 Python 與 R 方法論指南
本文為社會科學與人文研究者提供了一套完整的指南，教導如何利用大型語言模型進行文本標註並處理其潛在誤差。
arXiv - Computers and Society
互動式 2D 可視化在生物醫學時序資料標註中的應用評估
本研究比較了三種樣本選擇方法，用於生物醫學時序資料的標註，發現互動式 2D 可視化在整合不同標註者意見時表現最佳。
arXiv - Human-Computer Interaction
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。