截至 2026 年，廣泛使用的線上協作 LaTeX 編輯器 Overleaf 現已將多項人工智慧（AI）工具集整合至其平台中，旨在協助研究人員、教師與學生大幅提升學術論文與技術文件的撰寫效率。這些功能主要透過 Overleaf 團隊開發的 LaTeX AI Assistant（TeXGPT）以及 Writefull 技術來驅動。概述 Overleaf 平台目前所提供之 AI 輔助功能、多人協作機制，及其相關之使用限制與資料隱私規範。

1.AI 輔助工具概述

「標準版（Standard）」可使用完整的 AI 寫作與程式碼輔助工具。需留意，標準版提供之每日 10 次 AI 使用額度為各項 AI 工具合併計算。

① LaTeX 表格與方程式生成器：使用者可透過上傳圖片或輸入文字提示，自動生成 LaTeX 表格與方程式之程式碼，降低手動編碼之耗時。

② TeXGPT 程式碼與寫作助手：作為內建於編輯器之 AI 輔助工具，其主要功能包含生成圖表程式碼、建立文件大綱與基礎架構、提供寫作反饋，以及協助格式排版之修正。

③ LaTeX 錯誤排解輔助 (Error Assistance)：針對文件編譯錯誤，該工具可解釋 LaTeX 程式碼之錯誤原因、提供修正建議，並允許使用者選擇自動套用修正。

④ Writefull 學術語言反饋：採用經學術論文訓練之語言模型，提供符合上下文情境的文法、拼寫、字詞選擇與句型結構建議。該功能亦支援多國語言（含中文、西班牙文、德文等）之文本檢查。

⑤ AI 改寫與上下文編輯工具：功能涵蓋選定文本之改寫、長段落摘要生成、同義詞檢查，以及論文摘要與標題之自動生成。

📌此外，可透過 Grammarly 瀏覽器擴充功能（browser extension）（安裝操作步驟），在 Overleaf 中提供英文文法與拼字檢查，以及文字潤飾與語氣調整等寫作輔助功能。

總而言之，將AI Assistant 視為「搭建文章骨架與基礎程式碼」的幫手，將 Error Assistance 當作「程式碼除錯員」，但千萬別忘了還有負責「優化文章血肉（文字與語句）」的 Writefull，以及處理複雜版面的生成器。這四者的結合，才是 Overleaf 完整的 AI 輔助核心概念。

2.協作功能之運作與限制

Overleaf 支援多人協同編輯功能，其協作者邀請人數與權限配置具備特定規範： 協作者限制以「專案」為單位：協作者人數上限係針對單一專案計算。以標準版為例，單一專案至多可邀請 10 位協作者，且不同專案之協作者名單可為獨立編制。

3.資料隱私與資訊安全規範

針對學術研究所需之隱私保護，Overleaf 提出以下 AI 使用與資料安全規範：

① 數據非訓練聲明：官方聲明指出，未經使用者同意，專案資料與互動內容不會被用於訓練 AI 模型。

② 使用者控制權與第三方服務：部分功能（如 Error Assist 或 Writefull 之 GPT 模型）若需調用第三方服務（如 OpenAI），系統將於首次使用時徵求使用者同意。此外，使用者可於帳號設定中自行停用 AI 輔助功能。

③ 資訊安全認證：Overleaf 作為 Digital Science 旗下服務，已取得 ISO/IEC 27001:2022 資訊安全管理系統認證。

4.啟用：首先，請登入並前往您的「帳號設定 (Account settings)」中啟用 AI 功能。

Overleaf 的 AI 功能已從早期的學術英文校正工具逐步發展為完整的學術寫作輔助平台。對於需要使用 LaTeX 撰寫學術論文的研究人員而言，這些功能可有效降低技術門檻並提升研究寫作效率。提升效率之餘，同時資料隱私與資訊安全亦獲得保障，讓學術研究在安全的環境下安心進行。最後，必須額外補充說明的是AI功能日新月異，且根據不同方案可用功能請以實際操作使用為準。

以下是LaTex搭配Grammarly編寫短文練習實作範例

第一版內容截圖

Grammarly的建議

接受Grammarly修改之後第二版匯出PDF

📌NYCU Overleaf 申請表單重新開放！(教師專屬)名額有限，立即申請，開啟你的協作專案。

https://docs.google.com/forms/d/e/1FAIpQLSe-jWaLmKVn8fN5GsZlAkL71H9bUS0hx_Uit6hMvX2LfeWb_g/viewform

參考文獻 (References)

Overleaf. (n.d.). *Features overview*. https://www.overleaf.com/about/features-overview

Overleaf. (n.d.). *AI features*. https://www.overleaf.com/about/ai-features

Overleaf. (n.d.). *Plans and pricing*. https://www.overleaf.com/user/subscription/plans

Digital Science. (n.d.). *Security certifications*. https://www.digital-science.com/security-certifications/

推廣組：湯春枝/搭配AI工具進行寫作輔助

這篇文章 尋找安全且可多人協作的 AI 論文寫作環境？Overleaf AI 與 Grammarly 應用介紹（附NYCU Overleaf標準版申請表單） 最早出現於 NYCU陽明交大圖書館-陪你做研究。

生成式人工智慧（GenAI）鋪天蓋地席捲高等教育殿堂，嵌入資料蒐集、研究工作流、出版平臺與校園資訊環境，大學教師正面臨「再專業化」（Reprofessionalisation）的挑戰。我們擔憂學生作業是否由 AI 代寫，為了可能的虛構幻覺而必須逐筆核對參考文獻，誠信危機考驗互信，其中更關心學習歷程是否在自動化中消失。

學者 Daniel S. Harrison 提醒，面對寫作焦慮，引導學生理解「不完美也沒關係」，嘗試、修正、容錯，並且包含文化獨特性，在 AI 看似捷徑的完美中，重塑認知歷程；教師角色也從知識傳授者，轉為學習設計者、人機協作引導者與學術責任把關者。教師-學生-AI，成為三足鼎立的協作關係。

圖書館支援教師啟動轉身術，在混亂的演算法浪潮中，藉由可信與可靠的學術資源服務，為教學與研究提供有人文溫度的靈活策略。

一、AI 素養遠遠超過工具素養

AI 教學議題容易從特定工具開始：指令怎麼下？如何整理資料？能不能生成考題、講義或簡報？

根據 UNESCO 教師人工智慧素養框架，AI 素養不只是會用工具，而是理解技術、倫理與教學面向，並維持人類能動性、課責與判斷。

AI 可以協助釐清概念、潤飾文字、摘要資料與提供回饋，但不能感知脈絡、開創論點、取代原文理解、承擔來源查證或教育責任。

學術研究與報告就像煮一鍋美味的湯，AI 可以快速洗菜備料（文獻搜尋與歸納分析），但要選用哪種湯底、放入哪些食材、品質好壞、什麼時機下鍋，還有最核心的風味（理論建構與詮釋）掌握在主厨（人類研究者）大腦中。

二、從一刀切的限制轉向區分使用情境

根據 OECD 研究，教師與 AI 的互動可逐步走向協同型。

教師專業性在於搭建鷹架，讓 AI 成為共同思考、共創教材與支援學習的夥伴。教師可依課程生命週期，將AI 引入以下情境：

1. 課前準備期：AI 協助彙整資源，減輕結構化的教材開發負擔，利用 AI 快速檢索學術資源、彙整多語系文獻摘要，並為學生量身規劃客製化的閱讀清單與預習材料，更可產生文獻探討的範例，AI 是材料助手；
2. 課堂互動期：生成討論題或展示素材，可由AI 協同設計創新的模擬場景，例如倫理審查委員會及計畫書匿名審查，共創出契合真實學術研究情境的動態教學素材，或例如實證主義 解釋主義的辯論，AI 是打破思考慣性的催化劑；
3. 課後評量階段：AI 負責初級回饋，例如讓 AI 針對作業中結構化的基礎問題，例如語法潤飾、格式排版、程式碼除錯、邏輯分析等，提供即時回饋；而教師主導學術研判與專業決策，把關評判與給分。

三、引導、體驗、反思中培養學生 AI 素養

AI 素養不是看完工具演示就能建立，比較有效的方式，是讓學生在具體任務中實際應用，練習倫理、脈絡理解與批判思考。

AI 使用規範可分三層：

1. 鼓勵使用：適合於概念釐清、資料整理、腦力激盪、潤飾或摘要；
2. 限制使用：適用於報告初稿、翻譯、程式除錯或初步分析，學生必須標示使用範圍並說明查核與修改；
3. 不宜或禁止使用：例如核心測驗、獨立寫作、口試等需確認學生能力的評量。

教師可採引導、體驗、反思三階段，培養不會在技術浪潮中迷失主體能動性的優秀學生：

1. 引導：先說明責任邊界與查核要求；
2. 體驗：安排低風險任務，讓學生檢查 AI 是否遺漏限制、誤寫結論或產生錯誤引用；
3. 反思：最後要求學生說明 AI 幫助了什麼、哪些地方不可靠，以及最終判斷如何由自己完成。

四、保留慢思考並且重視學習歷程

OECD 提醒，生成式 AI 可能提高短期任務表現，卻不一定帶來深度學習；若學生依賴直接給答案的工具，會繞過深度思考的生產性掙扎（productive struggle），引發後設認知懶惰（metacognitive laziness）與認知投降（cognitive surrender），短期表現看似優異，但實質成效與長期技能卻衰退，而有偽精通（False Mastery）的幻象。

因此，教師可以刻意延遲 AI 介入，例如：

1. 閱讀文獻前先寫下題目理解，摘要前先標註研究問題、方法與限制，改寫前先完成自己的初稿；
2. 在研究初期，保留手動操作（如整理文獻、篩選數據、格式引用），建立對文獻脈絡的深層記憶，以及對研究假設的掌握認知：
3. 評量也應從只看最後作品，轉向作品與歷程並重，留下學生初步想法、檢索策略、AI 使用紀錄、修改版本、來源查核與最終反思；
4. 作業連結課堂討論、實驗、臨床、研究室資料或個人經驗，也能降低直接複製通用答案的誘因。
5. 以蘇格拉底式提問引導（scaffolded questioning），以多回合對話讓學生解釋推論、檢查前提，將思考的控制權保留予學生。

五、研究指導中的 AI 使用邊界

AI 不只影響課堂，也影響研究指導。

黃意植指出，AI 使用邊界會隨任務結構化程度與詮釋需求而調整。隨著 AI Agent 導入，研究者需要委派任務、設計指令與審查品質。基本原則是：AI 負責執行、整理與重複性任務；人類主導問題界定、理論詮釋、方法選擇、倫理判斷與最終品質保證。

研究指導可落實課責：

1. 文獻、DOI、作者、期刊、年份與摘要均須 100% 逐筆回到圖書館資料庫或工具加以驗證，絕對不可用抽樣方式；
2. 依期刊規範記錄並揭露 AI 工具名稱、版本、日期與用途；
3. 未公開數據、敏感個資、智慧財產與審查中資料，不上傳至公開或未授權 AI 系統；
4. 格式、潤飾、摘要與簡報草稿可由 AI 支援，但研究問題、方法、資料解讀、引用取捨與最終品質仍由研究者掌握。

六、陽明交大圖書館AI 素養支持服務

圖書館透過前沿 AI 工具、學科館員諮詢與工作坊，協助教師優化文獻探索、降低生成式 AI 幻覺並提升研究影響力。對於剛踏入學術叢林的研究生，素養奠定更強調資料隱私、偏誤辨識與幻覺查核。

1. 於研究起步可善用 NYCU Library MCP、Web of Science Research Assistant、RHN、Research Intelligence、Primo Research Assistant、Scite 等工具，建立較通用型 AI 更可查證的研究起點。
2. 其次，閱讀與知識管理可結合 NotebookLM、EndNote、Zotero 或個人知識庫。
3. 期刊評估、寫作投稿、成果擴散與研究治理，則可搭配 Journal Citation Reports (JCR)、InCites、ESI、ORCID、期刊OA APC 補助、國內《個人資料保護法》、國際科研倫理遵循與 NYCU Dataverse 服務。
4. 針對學生參考文獻，教師可掌握三個問題：文獻是否存在？書目資訊是否比對得到？內容是否支持論點？驗證來源包括：
   1. 圖書館探索系統、Crossref、Google Scholar、PubMed、Scite、Web of Science 或出版社網站。
   2. 中文參考資料查核，則可優先使用國家圖書館相關系統「臺灣博碩士論文知識加值系統」與「期刊文獻資訊網」，以及「Airiti Library 華藝線上圖書館」、「臺灣人文及社會科學引文索引資料庫」等工具。
   3. 另可搭配 「Turnitin 原創性比對系統」及「Symskan 文獻相似度檢索服務」，輔助檢視文字高度相似、改寫過近、引用不足或來源標示不清等問題。
   4. 若文獻查無明確紀錄、DOI 無法連結或內容與主張不符，可要求學生補交檢索截圖、出版社頁面、PDF 首頁、引用來源紀錄或 EndNote Library；即使文獻確實存在，也仍須回到原文確認引用是否真正支持學生的論點。

AI 能力越強，教師與研究者的監督責任越不能減少。透過圖書館資源、學科館員專業支持，以及 AI 素養系列活動、「NYCU 陽明交大圖書館—陪你做研究」部落格、專屬YouTube 頻道與課堂支援服務，教師可以更有策略地運用 AI。

本文透過圖書館資料庫與學術資源篩選文獻，並使用 NotebookLM 與 ChatGPT 協助解讀、潤稿與編輯／推廣服務組 王慧恆

七、主要參考文獻

1. Chiu, T. K. F., & Rospigliosi, P. A. (2026). Six global frameworks for human-centred AI literacy and competency: Comparative analysis and a way forward. Interactive Learning Environments, 34(3), 1003–1005. https://doi.org/10.1080/10494820.2026.2648342
2. Estlund, K., & Hudson Vitale, C. (2026). Strategic implications of AI futures for research libraries: Workshop report. Association of Research Libraries; Coalition for Networked Information. https://doi.org/10.29242/report.futurescape2026
3. Harrison, D. S. (2025). ‘Not perfect is okay?’: Exploring the use of AI in the writing classroom. CEA Mid-Atlantic Review, 33, 34–47. https://bowiestate.edu/academics/colleges/college-of-arts-and-sciences/departments/language-literature-and-cultural-studies/ceamag/ceamar-journal.php
4. Huang, Y.-C. (2026). From Labor to Collaboration: A Methodological Experiment Using AI Agents to Augment Research Perspectives in Taiwan’s Humanities and Social Sciences [Preprint]. arXiv. https://doi.org/10.48550/arxiv.2602.17221
5. Isaeva, R., Caner, H. N., Caner, M., Giray, L., & Karadag, E. (2026). Students’ engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study. Computers and education: Artificial Intelligence, 10, Article 100606. https://doi.org/10.1016/j.caeai.2026.100606
6. Le, T. H., Huynh, L., Dang, B., Pham, H.-H., Nguyen, N. T. V., & Nguyen, A. (2026). Development and evaluation of artificial intelligence literacy training for teacher education students. British Journal of Educational Technology. Advance online publication. https://doi.org/10.1111/bjet.70047
7. Mei, D., Moore, K., & Sayler, B. (2026). Preparing students for AI-powered materials discovery: A workflow-aligned framework for AI literacy, equity, and scientific judgment [Preprint]. arXiv. https://arxiv.org/abs/2605.09624
8. Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
9. (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. https://doi.org/10.1787/062a7394-en
10. Siau, K., & Wang, W. (2020). Artificial Intelligence (AI) ethics: Ethics of AI and ethical AI. Journal of Database Management, 31(2), 74–87. https://doi.org/10.4018/jdm.2020040105
11. Sun, D., Ba, S., Cha, Y., Yu, J., Chiang, F.-K., Dai, H. M., & Lim, C.-P. (2026). Empowering university teachers in higher education: A generative AI-responsive competency framework. Computers and Education. Artificial Intelligence, 10, 100542. https://doi.org/10.1016/j.caeai.2026.100542
12. Zhang, L., & Chen, S. C. (2026). Towards human-AI collaborative learning: Synergizing self-regulation and artificial-intelligence literacy. Education and Information Technologies, 31(7), 1879–1907. https://doi.org/10.1007/s10639-025-13880-3
13. 教育部臺灣學術倫理教育資源中心（2026）。AI世代的學術寫作指南—給研究生的參考手冊。作者。https://ethics.moe.edu.tw/resource/ebook/
14. 國家科學及技術委員會（2026，4月29日）。AI主權時代：學門建構與應用、研究應用倫理及數位透明度之配套措施〔立法院第11屆第5會期教育及文化委員會書面報告〕。立法院公報資訊網。https://lis.ly.gov.tw/lydbmeetr/uploadn/115/1150429/502.pdf

這篇文章 AI 素養世代來了！大學教學與研究的華麗轉身術 最早出現於 NYCU陽明交大圖書館-陪你做研究。

如何申請(How to Apply)：

1️⃣館藏整合查詢系統（ Library Search）

2️⃣填寫線上申請表單（Application Form)

館員接力(Librarian’s Mission)：

如何借閱(How to Borrow)：

參考資料：

課程指定參考書

https://www.lib.nycu.edu.tw/custom?menu=227&cid=529

推廣組 湯春枝 / 本文搭配AI工具進行寫作輔助

這篇文章 115學年度課程指定參考書服務<2026年版> 最早出現於 NYCU陽明交大圖書館-陪你做研究。

1.掃描 進出館處之QRcode圖示，進入申請網站

2.依照 網站指引操作直至「註冊申請完成」

3.點選 返回登入後，再次輸入手機號碼，取得 「入館審核專用QRcode」

4.感應 QR Code 進館 小提醒：手機請調亮螢幕並與感應器保持約 5 公分距離，以提升感應成功率

5.親持 身分證件正本至借還書櫃檯審核身分 小提醒：未完成審核將無法取得離館QRcode，入館後請儘速辦理

6.完成 身分審核後，即可依下圖示取得進出館QRcode

更多關於取QRcoed進出館

這篇文章 訪客手機入館指引 最早出現於 NYCU陽明交大圖書館-陪你做研究。

就在 2025 年底，臺灣正式三讀通過了 《人工智慧基本法》。這不僅僅是政府機關的行政規範，更是我們每位「數位公民」在學術路上的導航指南。這次帶大家從法律的高度，重新審視我們的研究日常，並奪回對 AI 的主導權。

法律生效後：研究者必須掌握的七大 AI 航標

隨著《人工智慧基本法》三讀通過，AI 的使用邊界已清晰確立。與其背誦生硬的條文，進階研究者更應學會將這「七大原則」轉化為日常的研究防禦力。以下我們將這些原則重新拆解為三大主導維度，幫助你在研究路上精準領航：

1. 責任的主導：你才是最終決策者 (Human Autonomy & Accountability)

基本法強調「人類自主性」。這意味著，無論 AI 給出的推論多麼精妙，「人」必須是最終的領航員。

• 研究建議： 當你引用 AI 生成的摘要時，你必須具備解釋該內容邏輯的能力。如果發生錯誤或學術爭議，責任歸屬於「研究者」而非工具。專業的表現是：我使用 AI 處理資訊，但我主導結論。

2. 過程的主導：讓信任可被追溯 (Transparency & Explainability)

「透明性」與「可解釋性」是進階素養的關鍵。行政院指引明確指出，使用生成式 AI 應適當揭露，且研究者應能掌握並說明其推論的邏輯。

• 研究建議： 透明並不代表示弱，而是展現你的研究公信力。除了在方法論中清晰標記「本研究部分數據清洗由 AI 輔助完成」，你更應具備對 AI 內容的解釋能力。專業的表現是：當你引用 AI 綜整的論點時，你能清楚說明其推論邏輯與來源。確保過程「可追溯」且「推論有據」，是你掌握研究主導權的最高展現。

3. 安全的主導：守住研究的競爭力 (Privacy & Fairness)

「隱私保護」與「資料治理」是研究者的護城河。這對於掌握核心實驗數據的研究生尤為重要。

• 研究建議： 絕對不要將「未公開的研究成果」或「受訪者個資」餵給公共 AI 模型。 這不僅是隱私問題，更是為了保護你的智慧財產權。同時，應主動警覺 AI 可能產生的偏見，確保你的研究結論不會因過度依賴 AI 而變得平庸。

專業不靠運氣：在資料庫中開啟你的 AI 主導力

當一般的 AI 工具還在網路上「大海撈針」時，真正的研究者早已在圖書館的專業資料庫中，開啟了高效的學術主導權。你可能已經發現，圖書館提供的各類專業資料庫（如 Web of Science、PubMed 或 IEEE 等），現已紛紛嵌入了強大的 AI 輔助功能。

與一般免費 AI 最大的不同在於，這些工具是建立在**「合規授權」與「可溯源文獻」**的沃土之上。

   ⚓ 推薦圖書館AI工具：Primo 研究助理、Scite AI

這意味著，當你使用這些內建 AI 進行查找與引用時：

• 來源透明：每一條建議都有真實的論文支撐，徹底告別 AI 虛構幻覺。
• 環境安全：在受保護的學術授權環境下操作，不必擔心研究構想被公開洩漏。
• 精準主導：你不是在被動接收資訊，而是利用高端工具精準收斂研究路徑。

——————————————————–

✅ 附錄：進階研究者 AI 使用檢核表

發布前，請花 30 秒對照以下原則，確保你的研究堅不可摧：

• [ ] 人類自主性：我是否能解釋並證實 AI 生成內容的正確性？
• [ ] 可問責性：我是否準備好為這份研究的所有內容（含 AI 輔助部分）負全責？
• [ ] 隱私保護：我是否已移除所有未公開數據、個資及敏感機密？
• [ ] 透明性：我是否已依照規範，在文中適當處標註 AI 的輔助範圍與方式？
• [ ] 公平性：我是否已查核 AI 產出是否存在偏見，並進行了必要的修正？
• [ ] 安全性：我使用的工具是否來自圖書館推薦或校內認可的授權環境？
• [ ] 永續性：我的 AI 使用方式是否促進了學術誠信的長遠發展？

參考資料：

• 政院通過「人工智慧基本法」草案 建構AI發展與應用良善環境 打造臺灣成為AI人工智慧島
• 制定《人工智慧基本法》—建構AI發展與應用良善環境
• 「負責任的實驗室使用守則」

推廣組 巴詠淳 / 本文搭配AI工具進行寫作輔助

這篇文章 【學術大航海時代】不只是指令高手：從《人工智慧基本法》看進階研究者的「AI 主導力」 最早出現於 NYCU陽明交大圖書館-陪你做研究。

SciVal 是什麼？
SciVal 是一款強大的研究分析工具，資料來源來自 Scopus，可用來了解個人、團隊或機構的研究表現，Field-Weighted Citation Impact（以下簡稱FWCI值）就是其中的重要指標！

研究影響力評估過程，圖片來源https://app.napkin.ai/

6.輸入查詢詞後，依回傳結果點選所需；

7.在畫面左邊選擇Citation metrics；
8.可調整查詢年代區間與學科領域分類，此次查詢以2020-2024及ASJC，All Science Journal Classification (Default)為例；

9.而後將右邊頁面往下拉，即可獲得所需之FWCI值。

文/ 推廣組 何佳欣

這篇文章 想知道自己的FWCI值?查SciVal 就對了。 最早出現於 NYCU陽明交大圖書館-陪你做研究。