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
建立社會實驗圖譜：連結研究、調和衝突並填補知識鴻溝
提出 ExAtlas 框架，將社會科學實驗存檔轉化為結構化圖譜，自動識別研究間的一致性、衝突與知識缺口。
arXiv - Computers and Society
利用生命史敘事進行社區治理模擬的 LLM 基準測試研究
本研究開發了一套結合豐富生命史敘事的框架，透過高效能演算法實現低成本且高擬真度的居民行為模擬。
arXiv - Computers and Society
複雜調查數據中的社會一致性校準：邊際有效性不足以確保子群體可靠性
研究發現僅達到整體統計有效性的 AI 模型，在面對不同人口子群體時，其預測可靠性與公平性仍存在顯著落差。
arXiv - Computers and Society
當推理模型損害行為模擬：多智能體 LLM 談判中的求解器與採樣器失配問題
研究發現強大的推理能力會使 LLM 成為更強的策略求解器，卻成為較差的行為模擬器，導致模擬結果失去真實性。
arXiv - Computers and Society
社會科學與人文學科利用 LLM 進行文本標註的 Python 與 R 方法論指南
本文為社會科學與人文研究者提供了一套完整的指南，教導如何利用大型語言模型進行文本標註並處理其潛在誤差。
arXiv - Computers and Society
SYN-DIGITS：用於校準數位分身模擬的合成控制框架
提出一個模型無關的輕量級框架，透過校準 LLM 模擬器的潛在結構，使其行為更貼近真實人類行為。
arXiv - Computers and Society
大規模親社會說服：大型語言模型在不同程度個性化下捐款呼籲表現優於人類
研究發現 LLM 生成的捐款呼籲在捐款金額、參與度與說服力上均優於人類撰寫內容。
arXiv - Computers and Society
計算多智能體社會實驗：基於生成式智能體的社會建模框架
本文提出CMASE框架，結合生成式智能體建模與虛擬民族誌方法，支援研究者嵌入、互動參與及干預虛擬社會環境。
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。