Discovery2026年4月13日
AI 衝擊學術誠信：高等教育面臨評量重塑與信任危機的雙重挑戰
隨著 AI 工具演進至能完成複雜任務的自主代理人階段，高等教育機構正被迫重新思考評量設計與學習驗證方式 [1]。目前學術界在應對 AI 作弊問題上，正陷入監控與說服兩種防禦策略的掙扎中 [2]。
edtechaiassessment
edtech policy and academic integrity5 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4月13日
2026 教育科技展望：學習分析與 AI 整合引發倫理、評量與學生情緒之辯
教育科技領域正進入 AI 深度整合期，學習分析與預測模型在提升個人化學習的同時，也面臨透明度與倫理挑戰 [2]。此外，學生對 AI 的負面情緒上升，且學術評量制度正因 AI 代理技術的演進而被迫重新設計 [3][4]。
edtechaiassessment
learning analytics5 個來源
Discovery2026年4月13日
教育科技新趨勢：從 CoSN 2026 協作願景到 AI 在高等教育的應用挑戰
教育領導者正透過 CoSN 2026 年會探討如何建構創新的學習環境 [1]，同時高等教育界也面臨 AI 技術帶來的數位素養與威脅評估等新議題 [2][3]。
edtechaiassessment
teacher copilots5 個來源
超越認知負荷：利用腦電訊號進行數位任務中的認知努力 AI 估算研究
本研究證明能透過 fNIRS 腦訊號與機器學習模型，精準估算個人在數位任務中的認知努力程度。
arXiv - Human-Computer Interaction
繪製生成式 AI 在大腦中的使用圖譜：功能性與社交情緒性使用的神經、學術與心理健康差異
研究發現生成式 AI 的使用動機會導致截然不同的腦部結構、學術表現與心理健康結果。
arXiv - Human-Computer Interaction
透過動態程序解題表示進行行為感知題目建模之知識追蹤研究
提出 BAIM 框架，利用語言模型將解題過程分解為四個階段，以捕捉學習者在解題行為中的動態特徵。
arXiv - Computation and Language
分解、觀察與推理：視覺語言模型中的強化潛在推理框架
提出 DLR 框架，透過將查詢分解為文本前提並提取連續視覺潛在特徵，提升視覺語言模型的複雜推理能力。
arXiv - Computation and Language
從注視到引導：利用多模態注視感知 AI 助手解讀並適應用戶認知需求
研究開發了一種結合第一人稱視角與注視點數據的 AI 助手，能精準識別學習困難並提供個性化引導。
arXiv - Human-Computer Interaction
他人的生命故事：基於豐富心理測驗特徵之 LLM 生成生命故事的雙向評估研究
研究證實 LLM 能透過心理特徵生成具備高度人格一致性的生命故事，且其人格特徵可被準確檢測。
arXiv - Human-Computer Interaction
超越行為：為何 AI 評估需要一場認知革命
本文主張 AI 研究應從僅關注輸出結果的「行為主義」轉向關注內部運作機制的「認知主義」評估範式。
arXiv - Human-Computer Interaction
信任多少才夠？探討如何校準對科技的信任度
本研究探討如何透過人類電腦信任量表（HCTS）評估信任傾向，並強調在人機互動中「校準信任」的重要性。
arXiv - Human-Computer Interaction
Talk2AI：人類與 AI 說服性對話的縱向研究數據集
本研究發布了一個包含 3,080 場對話的大規模縱向數據集，旨在探討 AI 如何影響人類觀點與信念的改變。
arXiv - Computers and Society
VIGIL：用於即時偵測與緩解認知偏誤觸發因素的可擴展系統
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。
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。