Categories
有效教學法 中學教育

利用AR智能輔助提升中學科學學習效果

Ateş（2025）探討將擴增實境（AR）與智能導學系統（ITS）結合，是否能提升初中學生的科學學習成效與學習體驗。本研究聚焦於週期表教學，這一主題對學生而言往往較具挑戰，因為它涉及抽象概念以及元素之間的複雜關係。研究透過結合 AR 視覺化工具與 ITS 所提供的個別化回饋、自適應學習路徑及個別化支援，考察這種科技增強教學方式是否較傳統科學教學更有效。

本研究採用準實驗前測—後測控制組設計，對一所公立初中的 58 名八年級學生進行研究。實驗組使用 ITS-AR 系統學習，對照組則接受傳統教科書式教學，包括課本閱讀、教師講授、示範、練習與測驗。整個介入歷時八週：學生首先了解學習系統，之後完成前測與問卷，接著進行四週教學活動，最後完成後測與後續問卷。研究測量了學生的學業成就、學習投入、科學學習動機與自我效能感。

結果顯示，ITS-AR 組學生在所有測量結果上均顯著優於對照組。在控制前測差異後，實驗組學生表現出更高的科學學習成效、更強的學習投入、更高的科學學習動機，以及更強的自我效能感。AR 元素幫助學生以更動態的方式視覺化並操作週期表內容，而 ITS 元素則能對學生的項目構想提供回饋，並支援更具個別化的學習。兩者結合後，有助於將抽象的科學概念轉化為更具體、互動且容易理解的學習內容。

整體而言，本研究表明，由 AR 支援的智能導學系統可以成為提升科學學習與促進學生動機、情感發展的有效教學方式。研究凸顯了在科學教育中整合人工智能與沉浸式視覺化工具的價值，尤其適用於學生需要理解抽象或高度依賴視覺表徵的概念時。同時，由於本研究樣本量相對較小，且僅來自一所學校，其結果應被視為具有潛力的初步證據，未來仍需在更大規模及更多元的教育情境中進一步驗證。

文獻來源（開放取用）：Ateş, H. (2025). Integrating augmented reality into intelligent tutoring systems to enhance science education outcomes. Education and Information Technologies, 30(4), 4435-4470.

https://doi.org/10.1007/s10639-024-12970-y… Read the rest

Categories
社交及情意成果 K-12 教育階段

教師職業倦怠與缺勤、師生互動及學生動機與成就之關聯

Wartenberg 及其團隊採用元分析與系統性回顧方法，全面檢驗教師職業倦怠與其專業表現及學生結果之間的關係。研究整合了 86 項研究、90 個獨立樣本，共 38,457 名教師，系統分析三項核心倦怠症狀——情緒耗竭（emotional exhaustion）、去個人化（depersonalization）與低成就感（reduced personal accomplishment）——與教師缺勤、師生互動品質，以及學生動機與學業成就之間的相關。

研究結果顯示，教師倦怠與多項專業與學生結果之間存在穩定但強度不一的關聯。首先，在教師缺勤方面，情緒耗竭與缺勤呈小幅正相關（r = .18, 95% CI [.08, .29]），去個人化亦呈小幅正相關（r = .14, 95% CI [.04, .24]），而低成就感與缺勤的關聯接近於零但仍達顯著（r = .08, 95% CI [.03, .12]）。其次，在師生互動方面，三項倦怠症狀皆與互動品質呈負相關，其中去個人化（r = −.21, 95% CI [−.33, −.09]）與低成就感（r = −.21, 95% CI [−.37, −.05]）的關聯往往比情緒耗竭更強（r = −.12, 95% CI [−.17, −.07]）。再次，在學生結果方面，情緒耗竭與學生動機呈小幅負相關（r = –.23, 95% CI [–.28, –.17]），但與學生學業成就的總體關聯接近於零（r = –.05, 95% CI [–.11, .01]）；去個人化與低成就感在學生動機與成就上的研究數量較少，但整體也呈現負向趨勢。

進一步的後設迴歸顯示，評量來源是重要調節因素，且教師自陳通常比外部評量呈現更強的負向關聯。其中，低成就感與教學支持的關聯在教師自陳下為 r = –.41，但在外部報告中已不顯著（r = –.03；β = –.35, p < .001）。這說明若僅依賴教師自評，可能會高估教師倦怠與教學表現之間的關聯。

整體而言，本研究指出，教師倦怠不僅與教師自身的缺勤風險有關，也與較差的師生互動品質及較低的學生動機穩定相關，但與學生學業成就的直接關聯相對較弱。研究同時提醒，倦怠的不同面向並非作用一致，其中去個人化與低成就感在師生互動層面的關聯往往比情緒耗竭更強。作者據此建議，未來的教師支持與介入方案不應只聚焦減少壓力或情緒耗竭，也應重視教師與學生互動品質及教師專業效能感的維護；在研究方法上，則應更多結合觀察、學生報告與縱貫設計，以更準確掌握教師倦怠對教學與學生發展的實際影響。

 

文獻來源（開放取用）：Wartenberg, G., Aldrup, K., Grund, S., & Klusmann, U. (2026). How strongly is teachers’ burnout related to teacher absenteeism, teacher–student interactions, and student motivation and achievement: A meta-analysis and systematic review. Review of Educational Research, 00346543261455273.

https://doi.org/10.3102/00346543261455273… Read the rest

Categories
小學教育 有效教學法

沉浸式虛擬現實中對自我調節學習的支持——面向科學學習的實驗設計

沉浸式虛擬現實能夠使用戶以高度沉浸的方式參與虛擬環境中的活動。既往研究發現，沉浸式虛擬現實可能增加學生的認知負荷，使學生從學習任務中分心，並阻礙其知識獲得。為應對這些挑戰，Hsu和Lee（2026）探索了將自我調節學習（策略融入沉浸式虛擬現實環境的方法，並考察了該策略對學生認知負荷的影響。研究採用實驗設計，共有105名學生參與，並被隨機分配至自我調節學習組（n=52）或非自我調節學習組（n=53）。研究採用雙因素混合設計方差分析，以識別兩組學生在科學學習結果方面的差異。此外，研究還運用偏最小二乘結構方程模型，分別考察沉浸式虛擬現實環境中的情感因素、認知負荷與學生學習結果之間的結構關係。

研究結果證實，在沉浸式虛擬現實學習過程中，外在認知負荷會對自我調節學習增益和科學知識學習產生負向影響，而生成性認知負荷則會對這兩類學習結果產生正向影響。第一，在非自我調節學習組中，交互性外在認知負荷能夠預測較低水準和較高水準的科學知識表現。第二，在兩種沉浸式虛擬現實學習條件下，環境性外在認知負荷均對自我調節學習增益產生負向預測作用。第三，自我調節學習組和非自我調節學習組組共同呈現出的一個發現是，學生控制程度的提高以及主動學習的增強，均能夠顯著提升學生感知到的生成性認知負荷。

隨著沉浸式虛擬現實技術變得越來越易於獲取和使用，該技術已不再局限於由專業教學設計人員使用；教師如今也需要具備獨立創作基於虛擬現實的學習材料的能力。這一轉變凸顯了教師培養的重要性，即教師不僅需要學會使用虛擬現實工具，還需要具備設計具有教育意義的沉浸式虛擬現實學習內容的能力，例如將自我調節學習策略融入虛擬現實學習活動之中。因此，教師既需要認識到臨場感和交互性的優勢，也需要對其局限性及潛在風險保持謹慎。教師還應注意，不夠優化的教學設計可能會增加外在認知負荷，從而削弱學生的學習成效。最為重要的是，教師應促進學習者自主性和能動性的發展，因為二者對於實現有效的沉浸式虛擬現實學習至關重要。

文獻來源（開放取用）：Hsu, Y. T., & Lee, S. W. Y. (2026). Support for self-regulated learning in immersive virtual reality–An experimental design for science learning. Education and Information Technologies, 31(1), 269-300.

https://doi.org/10.1007/s10639-025-13807-y… Read the rest

Categories
高等教育 學業成績 小學教育 中學教育

備考活動對大型教育測驗表現的影響：實驗研究的後設分析

近期一項後設分析考察備考活動是否能提升學生在大型教育測驗中的表現。儘管學校、商業機構與學生投入大量資源於備考課程與材料，既有研究對其效果的結論並不一致。早期綜述也多集中於美國大學入學考試與認知能力測驗，且主要依賴2000年以前的研究。因此，本研究旨在估計備考活動的整體效果，並分析其是否因干預方式、測驗特徵、學生特徵與研究設計而有所不同。

研究者整合了28項實驗與準實驗研究，共納入92個效應量與16,741名參與者，涵蓋初等、中等與高等教育階段，以及大學入學考試、英語能力測驗和其他大型評量。研究採用階層隨機效應模型與穩健變異數估計，並分析干預範圍、策略與材料使用、測驗特徵、既往測驗經驗及研究設計的調節作用。

結果顯示，備考活動對測驗表現具有顯著正向效果（g=.26，95%信賴區間 [.10,.42]，p<.001），但研究間異質性較高（I^2=82.44%）。聚焦於測驗相關內容的特定型干預（g=.33）與窄化型干預（g=.32），均明顯優於發展一般知識或可遷移能力的廣泛型干預（g=-.04）。包含應試技巧訓練的干預效果也較強（g=.35），未包含者的效果則接近於零（g=.05）。具有既往測驗經驗的學生受益更多（g=.69），而缺乏此類經驗者的效果不顯著（g=.06）。然而，備考效果未能顯著遷移至同一領域的其他測驗（g=.06，p=.502）。

綜合而言，備考活動能夠提高大型教育測驗分數，但其效果主要來自與目標測驗的高度對應，而非廣泛學習能力的提升。有限的遷移效果也表明，分數增長未必代表測驗所衡量能力的實質發展。未來研究應採用更嚴謹的實驗設計，更清楚地報告干預過程，並區分測驗分數提升與可遷移學習。

 

文獻來源（開放取用）：Hao, Z., Baird, J. A., Masri, Y. E., & Double, K. (2025). The impact of test preparation on performance of large-scale educational tests: A meta-analysis of experimental studies. Review of Educational Research, 00346543251360775.

https://doi.org/10.3102/00346543251360775… Read the rest

Categories
計劃評鑑 有效教學法 中學教育

連結課堂與博物館以促進 STEM 自主調節學習

Lewalter 等人（2025）探討學校相關因素如何影響學生在博物館參觀期間及之後的 STEM 自主調節學習（self-regulated STEM learning），回應了 STEM 教育中的一項重要挑戰：如何將課堂學習與校外真實且有意義的情境相連結。该研究以一個關於交通與出行的博物館展覽為情境，考察學生的學習策略知識、已有知識、先前興趣，以及課堂中的參觀前準備與參觀後延伸活動，是否能預測其參觀期間的學習感受，以及三個月後的學習結果。

本研究採用前測—後測—追蹤測量設計，對德國 12 所高中的 21 個班級共 409 名十年級學生進行研究。學生參觀了慕尼黑德意志博物館，並參與一個由平板電腦支援的展覽學習項目，主題為「出行轉型——未來如何移動？21 世紀的交通與出行挑戰」。在 90 分鐘的參觀過程中，學生以小組形式進行自我導向的展品探索（self-guided exploration）。研究分別於參觀前一週、參觀後即時，以及約三個月後收集問卷資料，以測量學生的學習策略知識、課堂準備與延伸活動、情境興趣、基本心理需求、內容相關性感知、學習投入、知識水平與個人興趣。

研究結果顯示，大多數學生並未經歷系統性的課堂整合（systematic classroom integration）：75% 的學生表示參觀前沒有在課堂中進行相關準備，60.4% 的學生表示參觀後沒有進行課堂延伸活動。學生的元認知與動機性學習策略知識，能正向預測多項學習感受指標，包括內容相關性感知、基本心理需求滿足、情境興趣與學習投入。然而，當模型納入學生的先前個人興趣後，先前興趣成為預測學習感受變量的最重要因素，顯示學生既有興趣在博物館 STEM 學習中具有關鍵作用。

就中期學習結果而言，參觀後的在課堂中的延伸活動尤為重要。博物館參觀三個月後，有參與課堂延伸活動的學生，在自我感知知識與客觀知識方面均表現更好。學習策略知識亦有助於提升學生的自我感知知識，而學生後續的個人興趣則主要由其先前個人興趣所預測。整體而言，本研究指出，博物館參觀不應被視為孤立的校外活動；其教育價值取決於課堂教學與校外學習之間更緊密的連結，尤其是幫助學生發展自主調節學習策略，並在參觀後提供有意義的課堂延伸活動。

文獻來源（開放取用）：Lewalter, D., Neubauer, K., & Moser, S. (2025). Self-regulated STEM learning in museums—the role of learner characteristics and visit-related activities in school. International Journal of STEM Education, 12(1), 56.

https://doi.org/10.1186/s40594-025-00577-9… Read the rest

Categories
高等教育 K-12 教育階段 教育行政及領導

生成式人工智慧對學生高階思維的影響：來自三層元分析的證據

鑒於目前人工智慧教育（AIEd）的發展趨勢，系統梳理生成式人工智慧（Gen-AI）對高階思維（HOT）的整體影響至關重要，因為研究人員已經創造性地將生成式人工智慧應用於輔助教學與學習中。目前的輿論中存在一種擔憂，即生成式人工智慧可能會損害高階思維。然而，關於生成式人工智慧對高階思維具體影響的實證研究仍然較為分散，尚未達成共識。Nie等人（2025年）的研究綜合了在不同背景下開展的19項實驗性和准實驗性研究（效應量 k=68），共納入2,347名參與者。該研究採用三層元分析方法來解釋研究內和研究間的變異性，評估了生成式人工智慧對高階思維的影響，並探討了調節變數的效應。

結果表明，生成式人工智慧對提升學生的高階思維具有顯著的正向影響（Hedges’s g=0.851, p<0.001）。研究基於影響目標、生成式人工智慧要素、研究背景和方法論特徵進行了調節變數分析。當樣本量小於80時，其促進效果更為顯著。短期干預（少於4周）和長期干預（多於8周）都有可能產生顯著的正向效果。

這些研究結果為將生成式人工智慧融入教育提供了至關重要的政策啟示。首先，教育行政部門應當在人工智慧驅動的課程中強制推行小班制教學或優化師生比，因為大集體會稀釋生成式人工智慧在培養高階思維方面的功效。其次，鑒於4-8周的時間不足以促進深度的認知發展，課程框架必須從短期試點轉向延長的、長期的干預時間線。最後，決策者應當資助針對人工智慧對高階思維不同維度之具體影響的、更細緻的專項研究，以指導智能、個性化和自適應教育生態系統的規模化推廣。

文獻來源（開放取用）：Nie, X., Tian, Y., Liu, M., Wu, D., & Guo, Y. (2025). The impact of generative artificial intelligence on students’ higher order thinking: Evidence from a three-level meta-analysis. Education and Information Technologies, 30(17), 25359-25390.https://doi.org/10.1007/s10639-025-13735-x… Read the rest