教育科技研究速報

本研究提出 TOSS 架構，透過分析人類在教導機器人時的直覺決策，揭示了教學決策的結構化邏輯。

提出一個結合自然語言、視覺化積木介面與使用者確認機制，以提升機器人編程透明度與可重用性的框架。

研究發現機器人語音的高低音高並未顯著影響兒童在遊戲過程中的壓力水平。

高等教育機構正利用虛擬實境技術研究協作機器人與人的溝通，並藉此提升學生的職場技能。

本文針對社交機器人開發者面臨的模型選擇困境，提出了五大評估維度與三層式評估漏斗範式。

提出 SocialLDG 框架，利用語言模型與動態圖學習，讓機器人能理解人類內部狀態與行為間的動態關係。

本研究探討將視覺語言模型（VLM）整合至 Pepper 機器人，以提升其在社交對話中理解環境與人類行為的能力。

研究證實演算法的檢測準確度會直接影響學習者的動機，準確的技術表現能提升學習興趣與勝任感。

研究發現 LLM 驅動的社交機器人在處理跨文化道德決策時存在顯著偏差，且僅靠提示工程難以完全修正。

透過低成本的襪套木偶結合機器人技術，提升兒童在故事敘述中的參與度與記憶力。

本研究透過開發新型第一人稱視角資料集，優化社交機器人在複雜動態環境下的使用者追蹤穩定性。

提出 Brick-Composer 框架，透過結合人類設計、物理回饋與合成經驗，提升 MLLM 在積木組裝任務中的精準度。