Discovery2026年5月29日
教育科技政策與學術誠信：AI與透明度的雙重挑戰
美國部分州與學區正加速制定 AI 使用指引，並推動教育科技透明化，以確保學生學習成效與隱私安全。 [2][1] 然而教師對 AI 工具的實際使用遠超正式指導，顯示政策落地仍面臨執行與監督挑戰。 [4][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5月29日
2026學習分析與AI教育科技趨勢報告
美國各州正加速推動學習分析與AI工具，但缺乏統一治理與教師培訓，導致實務落地面臨挑戰。[1][5] 同時，國際案例顯示透明度與隱私保護是關鍵，若能結合數據基礎設施與教學設計，將提升學生學習成效。[2][3]
edtechaiassessment
learning analytics5 個來源
Discovery2026年5月29日
教育科技新局：AI 工具普及化與教學引導缺失之挑戰
儘管 AI 工具已在美國教室中變得普遍，但多數教師在缺乏正式指導的情況下使用這些技術 [1]。同時，教育界也面臨著教學軟體品質爭議與 AI 帶來的學術誠信挑戰 [3]。
edtechaiassessment
teacher copilots5 個來源
超越靜態分類法：利用關鍵詞生成表示法捕捉青少年危機對話
研究提出 KGR 技術，利用大型語言模型生成動態關鍵詞，提升青少年心理危機識別的精準度與文化敏感度。
arXiv - Human-Computer Interaction
心理治療對話中的 AI 內容審查機制研究
本研究透過演算法審計發現，現有的 AI 內容審查系統常將真實心理治療對話誤判為不當內容，限制了 LLM 作為治療師的潛力。
arXiv - Computers and Society
首要原則：打破媒體推薦系統中的自殺傾向回聲筒效應
提出 RankAid 重新排序演算法，在維持推薦準確度的同時，優先考慮心理健康安全並阻斷有害內容。
arXiv - Computers and Society
利用 AI 驅動工具增進校園福祉：預防與干預之整合框架
本研究開發了一套整合 AI 聊天機器人與語言模型，用於校園滿意度調查預防及心理健康風險檢測的系統化框架。
arXiv - Computers and Society
ADAPTS：用於自動化、跨協定症狀追蹤的代理分解框架
提出一種基於多代理 LLM 架構的框架，能將長篇臨床訪談分解為特定症狀任務，實現精準的憂鬱與焦慮評估。
arXiv - Human-Computer Interaction
AI 能幫你走出失戀嗎？單次信念重構聊天機器人的減壓效果研究
研究證實單次 AI 聊天機器人對話能顯著降低失戀後的心理痛苦，且效果可持續至一個月。
arXiv - Human-Computer Interaction
十萬名 AI 心理健康聊天機器人用戶之參與表型與臨床成效關聯研究
研究透過分析十萬名用戶的行為模式，發現 AI 心理健康工具的參與程度與臨床改善成效呈劑量反應關係。
arXiv - Human-Computer Interaction
AI 安全訓練可能導致臨床傷害：心理治療模型之風險分析
研究發現 AI 的安全對齊機制（RLHF）會干擾心理治療流程，導致治療有效性在面對高風險情境時大幅崩解。
arXiv - Computers and Society
利用年度 Screenome 數據與 CES-D 量表預測憂鬱症狀變化之個體內研究
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。
arXiv - Computers and Society
虛擬代理人能展現關懷嗎？設計具同理心與個人化的 LLM 對話代理人
本研究提出一種結合檢索增強架構與結構化記憶的虛擬代理人框架，以提供具同理心且個人化的心理健康支持。
arXiv - Human-Computer Interaction
PsychBench：審核大型語言模型在心理健康模擬中的流行病學保真度
研究發現 LLM 雖能模擬合理的個體，卻無法準確代表真實人口的統計分佈，存在嚴重的偏差與群體抹除風險。
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。