研究發現大型語言模型在識別動機狀態上有成功與困難，生成對話代理對理解使用者意圖表現不錯，但對於對行為改變猶豫的人支持不足。總結來說，生成對話代理能辨識確定目標的人的動機狀態，但對於對行為改變感到不確定的人則有困難。 PubMed DOI

線上文章提供價值洞察，手動編碼可靠但限制大數據分析。自動文本分析近似人評估，大型語言模型如GPT-4表現佳。模型複雜度和性能權衡對科學家重要。 PubMed DOI

這項研究探討大型語言模型（LLMs），特別是GPT-4，如何應用於分析課堂對話，以評估教學品質和診斷教育需求。傳統質性分析方法耗時且需專業知識，研究旨在確認LLMs是否能簡化此過程。研究使用中學數學和中文課的數據，將專家手動編碼的結果與GPT-4生成的結果進行比較。結果顯示，GPT-4能顯著節省時間，且編碼一致性高，顯示LLMs在教學評估和教育改進上具潛力。 PubMed DOI

這項研究探討了ChatGPT對高等教育學生學習的影響，特別是影響學生使用這個AI工具的因素。研究結合了「統一技術接受與使用理論」和「心流理論」，建立了一個模型來分析這些因素。透過對巴基斯坦三所大學505名學生的數據進行結構方程模型（SEM）分析，結果顯示感知趣味性是學生使用ChatGPT的主要預測因子，其次是感知價值和績效期望。此外，行為注意力也顯著影響使用行為。這項研究強調了在教育環境中深入探討AI工具的重要性。 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

這項研究探討如何利用大型語言模型（LLMs）為高中生提供個性化建議，以提升他們的福祉和學業表現。研究分析了12名學生的數據，包括Fitbit指標和學校表現，並針對每位學生生成建議。結果顯示，雖然建議通常清晰可行，但與學生個別數據的對應程度有所不同，顯示出改進空間。研究強調了LLMs在個性化支持的潛力，但也需進一步驗證和完善，未來應聚焦於介入研究及解決倫理和數據隱私問題。 PubMed DOI

這項研究探討大學生的微博發文與父母教養風格的關聯，指出負面教養可能引發焦慮和憂鬱等心理健康問題。研究分析了575名學生的超過111,000篇發文，透過頻率分析找出語言和情感表達的差異。他們開發的新方法在評估教養風格上表現優於現有的自然語言處理模型，顯著降低均方誤差（MSE）。這些發現有助於理解教養與學生表達的關係，並為醫療提供者提供工具，以識別有風險的學生並進行及時干預，改善心理健康並預防自殺。 PubMed DOI

這項研究分析了四種人工智慧大型語言模型（LLMs）對有學習障礙和沒有學習障礙學生的反饋、挫折感、同情心及未來失敗期望的評估。結果顯示，LLMs對有學習障礙的學生表現出較低的挫折感和較高的同情心，且對未來失敗的期望也低於實習教師。特別是ChatGPT4對兩組學生提供了更多正面反饋。整體而言，LLMs可能促進對有學習障礙學生的包容態度，但仍需調整以增強文化和情感的敏感性。 PubMed DOI

這份報告探討了使用大型語言模型（LLMs）進行教育情感分析的初步結果。我們分析了學生報告中的質性描述，以評估他們對學業表現的情感狀態和態度。情感分析揭示了學生參與度的重要見解，並指出需要改進的地方。研究顯示，LLMs能有效分析文本數據，提供比傳統方法更深入的情感理解，顯示出在改善教育評估和干預方面的潛力。 PubMed DOI

這份報告探討了將大型語言模型（LLMs）與可穿戴技術結合的初步成果，目的是提供個性化建議，提升學生的福祉與學業表現。我們分析了學生的數據，包括可穿戴設備的指標和學術報告的質性反饋，進行情感分析以評估情緒狀態。研究顯示，LLMs能有效分析文本數據，提供實用見解，幫助了解學生的參與度並找出改進空間，顯示出LLMs在教育上的潛力，能更深入理解學生需求。 PubMed DOI