工具概覽
Cognitive Offloading Analytics 是一個研究原型,它把複製相似度、修改、核實、延遲迴憶和信心變化等行為代理指標,組合成一個可檢視的解除安裝得分。該專案被描述為“用於檢測 AI 輔助學習中可能存在的認知解除安裝的透明基準”。它旨在支援敏感性分析,而不是診斷個人對 AI 的依賴,因為“得分在每個佇列內部歸一化,分檔是啟發式的”。倉庫包含一個五階段的參考流水線:互動軌跡、行為特徵、透明評分、敏感性分析和風險分檔報告。核心輸出包括 copy_similarity、revision_ratio、verification_rate、delayed_recall、confidence_shift 和 offloading_score。專案強調透明與可復現:“評分流水線讓每個行為代理指標都保持可見,包括複製相似度、修改、核實、回憶和信心變化。”所有附帶的資料和結果都是合成的演示,專案宣告“本倉庫中的任何內容都不應被解讀為關於真實學習者、教師或機構的證據”。
定價
價格與限制可能變動,請以官網為準,並確認幣別、付款週期、最低席位數和用量上限。
應用場景
- 研究人員用該流水線檢驗每個行為假設如何影響最終的解除安裝訊號。
- 團隊用敏感性分析測試不同的權重方案,並評估風險分檔的穩定性。
- 教育工作者用透明評分探究哪些可觀察行為與大量依賴答案替代相符。
- 分析師用該流水線探討核實和修改行為能否抵消表面相似度訊號。
- 研究人員用該框架研究在不同特徵權重和閾值下風險分檔有多穩定。
- 開發者用可復現的演示生成機器可讀的結果以供檢查。
功能特色
識別可能存在的認知解除安裝
通過透明的行為分析提供依據
支援核查分析結果
支援修訂研究分析
通過敏感性分析檢驗結果
使用者評論
還沒有評論,來分享你的使用體驗吧