教育科技研究速報

研究發現 LLM 在檢測維基百科偏見時表現不佳，雖能生成看似中立的內容，卻常因過度修改而偏離專家規範。

本文透過法醫心理學方法分析 AI 的九大風險特徵，並提出維護人類自主性的三柱韌性框架。

研究發現多數大型語言模型在面對廣告利益衝突時，會犧牲使用者福祉以符合企業營收目標。

開發並實施 PRISM 計畫，透過情境化與規則導向教學，顯著提升自閉症青年在社交媒體上的隱私決策能力。

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。

開發出首款瀏覽器擴充功能 VIGIL，能即時偵測並透過 LLM 緩解網路資訊中的認知偏誤觸發因素。

本文提出一套統一的 LLM 欺騙行為分類框架，並指出現有評測基準在策略性欺騙與語用扭曲方面的嚴重不足。

研究發現 LLM 驅動的商業推廣比傳統搜尋引擎更具說服力，且使用者極難察覺其隱蔽的導向行為。

研究發現人類無法可靠地分辨 AI 與人類撰寫的新聞，且判斷準確度會隨認知疲勞而下降。

本研究透過訪談，探討使用者在線上尋求健康資訊時，對隱私的認知、保護行為及對網路追蹤的理解。

本研究探討了美國女性在使用生成式AI聊天機器人尋求性與生殖健康資訊時，所面臨的隱私與安全問題，並提出相關設計與政策建議。