研究探討了OpenAI的ChatGPT AI聊天機器人的功能、應用和限制。ChatGPT廣泛運用在教育、程式設計、內容生成等領域，展現多功能性。儘管具潛力，但也面臨抄襲、可靠性和偏見等問題。ChatGPT與傳統搜尋引擎不同，但也有偏見和收入挑戰。儘管有限制，ChatGPT被視為具有重新定義生成技術潛力的AI工具。AI的進步改變知識應用方式，強調對AI素養和有效運用AI的需求。 PubMed DOI

使用像ChatGPT這樣的大型語言模型，根據收件人的心理特徵製作個性化訊息，可以大幅提升訊息的影響力。研究發現，在1788名參與者中，由ChatGPT生成的個性化訊息在各個領域和心理特徵上比非個性化訊息更具說服力。這顯示了大型語言模型在自動化和擴展個性化說服方面的潛力，提高了效果和效率。這些發現對研究人員、從業者和一般大眾都具有重要意義。 PubMed DOI

這項研究評估了多種人工智慧模型在台灣急診醫學專科考試中的表現，包括ChatGPT-3.5、GPT-4、自訂GPT和GPT-4o。共施測200道單選題，結果顯示GPT-4o以138題的正確率最高，接著是自訂GPT的119題、GPT-4的105題和GPT-3.5的77題。統計分析顯示GPT-4o優於GPT-4，GPT-4又優於GPT-3.5，自訂GPT則優於GPT-4但不及GPT-4o。研究強調大型語言模型在醫學教育中的潛力，並指出其在考試準備和資訊提供上的優勢。 PubMed DOI

在研究中，我探討了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，對複雜行為科學實驗結果的預測能力。結果顯示，GPT-4在預測情感、性別和社會認知方面，與119位人類專家的表現相當，相關性高達0.89，而GPT-3.5則僅有0.07。在另一項研究中，讓大學參與者與GPT-4驅動的聊天機器人互動，提升了他們的預測準確性。這些結果顯示，人工智慧在預測行為主張的實證支持上，可能成為有價值的工具，並強調人類與AI合作的潛力。 PubMed DOI

最近大型語言模型（LLMs）如ChatGPT在教育領域的應用，帶來了機會與挑戰。研究探討了ChatGPT在運動學領域生成的教育題目質量，並優化提示語產出30個問題，經專家評估後選出15個進行調查。結果顯示這些題目的難度和區分指數中等，但整體表現略低於傳統的力概念測驗（FCI）。研究強調，雖然LLMs能生成高質量題目，但仍需人類監督與學生反饋，以確保評估的有效性。 PubMed DOI

最近大型語言模型（如ChatGPT和Bard）在教育領域的應用引發了對學術論文寫作潛在濫用的擔憂。本研究探討這些模型是否能生成關於醫學生個人經歷和倫理困境的非結構性論文，並檢視其是否能與人類作品區分。 研究團隊收集了47篇學生的原創論文，並利用這些內容生成相同數量的AI論文。分析結果顯示，AI生成的論文在情感和分析思維的語言使用上較學生作品更為頻繁。儘管存在語言特徵的差異，兩個LLMs在反映學生對倫理困境的經歷方面均表現出高度有效性。 PubMed DOI

這篇迷你評論探討生成式人工智慧（GAI）和大型語言模型在滿足學習者認知與情感需求的角色，並強調其實際應用與限制。文章分析了2019至2024年間的實證研究，特別是ChatGPT在教育中的應用。雖然GAI能透過互動學習增強學生參與感，但在促進批判性思維和維持回應準確性方面仍有挑戰，可能讓學習者感到困惑。此外，GAI在定制學習和提供情感支持上也不夠充分。評論呼籲改進教學策略，並對GAI的介入進行仔細評估，以避免對學習造成負面影響。 PubMed DOI

生成式人工智慧，像是ChatGPT，最近因能生成類似人類的文本而受到關注，但在教育上的應用引發爭議。這篇回顧探討了整合這類技術所面臨的挑戰，並提出解決策略。研究發現抄襲是主要問題，還有責任、隱私、安全、歧視及數位鴻溝等風險。為了應對這些挑戰，提出了符合倫理和教學原則的實用策略。整體而言，這篇回顧強調了對生成式人工智慧在教育中影響的深入考量。 PubMed DOI

像 ChatGPT 這樣的語言模型能快速產出各種資訊，但內容可能不準確，這對大學課堂使用造成挑戰。為了解決這個問題，設計了「ChatGPT 事實檢查」作業，教學生如何有效使用 LLMs，同時強調驗證資訊的重要性。學生需生成文章後，評估 AI 提出的來源和主張，並根據主要研究來源的證據來檢驗其有效性。這不僅促進批判性思考，還幫助學生學會負責任地使用 AI，並根據證據評估主張。 PubMed DOI

您的研究探討了使用ChatGPT學習先進駕駛輔助系統（ADAS）的效果，與傳統紙本學習相比。透過多選題問卷和NASA任務負荷指數，評估參與者的理解能力和認知負荷。結果顯示，使用ChatGPT的參與者正確率平均高出11%，且報告的認知和身體需求較低，顯示學習體驗更有效且壓力較小。研究強調ChatGPT能滿足不同學習偏好，增強對複雜主題的理解，並建議在教育中整合大型語言模型（LLM）工具，並需進一步研究其在不同族群和學習領域的影響。 PubMed DOI