教育科技研究速報

開發了一套模組化且可擴展的 A4L 數據分析架構，能跨不同領域一致地處理與分析 AI 助教產生的異質數據。

研究發現大型語言模型在解釋個人感測數據時，常會產生超出數據證據支持的「認識過度擴張」現象。

本研究透過結合學習分析與自我報告，揭示了高低輟學風險學生在程式設計入門課程中截然不同的自主學習策略模式。

本研究探討如何透過優化提示設計與批次處理策略，在醫療模擬對話分析中取得準確度、速度與永續性的最佳平衡。

研究證明透過數位表型技術（Screenomics）結合行為數據，能有效預測個體未來兩週憂鬱症狀的惡化或改善。

研究證實數位學習軌跡能有效預測學生的學習風險，但模型在不同環境間的泛化性受限於背景差異。

研究發現早期學術進度落後是導致大學退學的核心因果因素，其影響力遠大於後期的單次學業失敗。

提出結合 LLM 生成與 NeuralCDM 實證評估的框架，能有效自動化並優化用於學習分析的 Q-矩陣。

本文開發了 SuperProvenanceWidgets 擴充套件，透過跨元件的視覺化技術，追蹤並呈現使用者與多個 UI 控制項之間的互動關係。

研究發現傳統教室用的 TalkMoves 編碼本在轉向一對一輔導與多模態數據時，存在泛用性不足與解釋模糊的問題。

本研究透過大規模調查揭示學習分析領域開放數據集的現況，並提出名為 PRACTICE 的數據發佈指南。

提出 NPGC 方法，透過非參數 Copula 框架生成具備高統計保真度且符合隱私規範的合成教育數據。