Categories
語言發展 高等教育

比較 ChatGPT 與自動寫作評估對學生寫作表現及理想第二語言（L2）寫作自我的影響

採用隨機對照實驗設計，Shi 等人（2025）比較了以 ChatGPT 為基礎的回饋與傳統自動寫作評估系統（AWE）對英語作為外語（EFL）學生的寫作表現及其理想第二語言（L2）寫作自我的影響。研究招募了來自中國一所公立大學三個寫作班的150名大學二年級學生，並將其隨機分為 ChatGPT 組、AWE 組和控制組。

經過為期十一週的教學介入後，結果顯示，ChatGPT 組學生在寫作表現上明顯優於控制組與 AWE 組；但與 AWE 組相比，ChatGPT 組學生的理想 L2 寫作自我顯著下降。質性研究結果揭示了可能的原因：儘管參與者充分意識到 ChatGPT 反饋的優勢，但他們同時也擔心過度依賴該工具會導致創造力與自主性的喪失，並對未來是否繼續使用 ChatGPT 持保留態度。

教育者應依學生的 ZPD 細化學習目標，並據此設計提示，讓 ChatGPT 用於支持學習而非代寫，同時教授提示工程技能。對中低至中等程度的學習者，AWE 的系統化、規則式反馈更能提供支架，且較能維持作者性。然而，ChatGPT 可供性更強，易致過度依賴、削弱主體性並降低理想 L2 寫作自我；因此應重訂語言教育目標，將 AI 素養與批判性思維納入，以守護師生主體性與負責地使用。

文獻來源（開放取用）：Shi, H., Chai, C. S., Zhou, S., & Aubrey, S. (2025). Comparing the effects of ChatGPT and automated writing evaluation on students’ writing and ideal L2 writing self. Computer Assisted Language Learning, 1-28.

https://doi.org/10.1080/09588221.2025.2454541… Read the rest

Categories
K-12 教育階段 學業成績 數學及理科學習

數學與科學教師專業發展對教師知識、教學實踐及學生成就的影響

Lynch及其團隊最近進行的一項統合分析,探討了針對幼稚園至12年級數學與科學教師的專業發展(Professional Development)介入措施的成效。作者分析了2001年至2024年間發表的46項實驗研究,共200項教師層面效應值和126項學生成就效應值,探討專業發展課程如何影響教師的知識與課堂教學,以及這些變化是否轉化為學生學習的進步。

作者採用Hedges’s g作為效應值指標,運用隨機對照試驗設計以確保因果推論。專業發展介入措施按其重點領域分類:提升教師知識(學科知識與學科教學知識)、學科特定及一般教學策略,以及學科特定的形成性評量。研究人員亦檢視了背景因素,例如介入時長、是否包含課程材料,以及學校人口統計特徵。

結果顯示,專業發展對教師層面成果具有顯著正向影響(整體平均效應值:+0.52 SD)。具體而言,教師知識提升了+0.52 SD,課堂教學提升了+0.49 SD。重要的是,對教師層面影響較大的課程,在學生成就方面亦展現出顯著較大的效果。教師層面成果每提升1 SD,與學生成就提升+0.18 SD相關。值得注意的是,課堂教學的改善與學生學習的關聯(+0.24 SD)強於知識增長(+0.08 SD,未達統計顯著性)。明確聚焦於教師知識發展(效應值差異:+0.18 SD)和學科特定形成性評量(+0.27 SD)的專業發展課程,在課堂教學方面展現出顯著更強的影響。有趣的是,介入時長和是否包含課程材料並未顯著影響成果。

該研究強調,專業發展的質量與特定重點比時長更為重要。學校應優先採用明確針對教師知識和教學實踐的專業發展課程,特別是強調形成性評量策略。改善教學與學生成就之間的強關聯,驗證了投資高質量專業發展作為提升數學與科學教育成效槓桿的有效性。

 

文獻來源（開放取用）：Lynch, K., Gonzalez, K., Hill, H., & Merritt, R. (2025). A meta-analysis of the experimental evidence linking mathematics and science professional development interventions to teacher knowledge, classroom instruction, and student achievement. AERA Open, 11, 23328584251335302.

https://doi.org/10.1177/23328584251335302… Read the rest

Categories
計劃評鑑 K-12 教育階段

計算思維教學與評估中的性別差異：一項三水準元分析

計算思維教育中的性別差異已被廣泛認可，但很少有元分析探討特定教學方式與測評情境如何塑造這種差異。為彌補這一研究空白，Liu 等（2025）對53項實證研究開展了元分析，涵蓋100個效應量與總計15,454名參與者，以檢驗計算思維教育中性別差異的總體幅度及其可能的影響因素。結果顯示總體性別差異雖小但在統計上顯著（g = 0.106，95%置信區間[0.024, 0.188]，p < .05），表明男性具有輕微優勢。

在調節效應方面，無論是一般研究特徵（如發表類型、地理區域與教育階段），還是CT測評情境（如所使用的測量工具與所測量的學習結果），都未顯著改變效應量大小。相比之下，教學方式確實產生了影響：諸如“混合式”和“插電式”等融合技術的策略與更大的、偏向男生的性別差距相關；而“不插電”方式往往會縮小差距，甚至在某些情況下將優勢轉向女生。就測評而言，當測量的是CT概念時，性別差異並不顯著；但當測評結果涉及真實實踐（如編程任務）以及身份相關維度（如動機、學習興趣與自我效能）時，性別差異則變得顯著。

這些結果為提升CT教育公平性提供了啟示。支持應在K-12階段儘早啟動，並特別聚焦於發展學生的CT實踐與CT視角，以避免微小的性別差距隨時間推移而固化。不插電活動可以作為低門檻的入門路徑，強化基礎理解並提升信心，尤其有助於女生。此外，技術使用應循序漸進地引入：當數字與AI工具在支持性強且具有文化相關性的學習情境中得到支架化支持時，學生可能會降低對技術的焦慮，並獲得更具包容性的參與體驗。

文獻來源（開放取用）：Liu, S., Dai, Y., Ng, O. L., & Cai, Z. (2025). Gender Disparity in Computational Thinking Pedagogy and Assessment: A Three-Level Meta-Analysis. Educational Psychology Review, 37(4), 114.

https://doi.org/10.1007/s10648-025-10095-3… Read the rest

Categories
社交及情意成果 小學教育 中學教育

教師品格美德、投入與福祉之間的關係

Angelini 及其團隊採用橫斷面問卷設計與路徑分析模型，探討教師的三項品格美德——關懷（caring）、求知（inquisitiveness）與自我控制（self-control）——如何影響其工作投入與整體福祉，並進一步檢驗職業倦怠與教師自我效能在其中所扮演的中介角色。研究以 339 名義大利在職教師為樣本，涵蓋小學與中學教育階段，蒐集其品格美德、倦怠、自我效能、工作投入與心理健康福祉等指標，以檢驗變項間的直接與間接關係。

研究結果顯示，三項品格美德整體上對教師的投入與福祉具有顯著的正向總效果。相關分析指出，求知、關懷與自我控制皆與自我效能、工作投入與福祉呈顯著正相關，而與倦怠呈顯著負相關。路徑分析顯示，求知與自我控制能顯著降低倦怠（β = –.142, p < 0.05 與 β = –.235, p < 0.001），並提升教師自我效能（β = .206, p < 0.01 與 β = .191, p < 0.01）；關懷則主要透過提升自我效能（β = .171, p < 0.01）影響後續結果，而未直接降低倦怠。倦怠對工作投入（β = –.528, p < 0.001）與福祉（β = –.324, p < 0.001）具有強烈負向影響，自我效能則顯著提升投入（β = .212, p < 0.001）與福祉（β = .219, p < 0.001），二者在模型中具有核心中介地位。整體模型可解釋 35.6% 的工作投入變異與 45.7% 的福祉變異。

值得注意的是，不同品格美德的作用機制並不相同。求知同時對工作投入（β = .095, p < 0.05）與福祉（β = .122, p < 0.05）具有直接效果，並透過倦怠與自我效能產生顯著間接影響；關懷則主要影響福祉（β = .184, p < 0.001），其對工作投入的作用多經由自我效能間接產生；自我控制雖未直接預測投入或福祉，但可透過降低倦怠與提升自我效能，間接促進兩項結果。這顯示教師品格美德並非以單一路徑發揮作用，而是透過不同心理與職業歷程影響其專業狀態。

整體而言，本研究指出，教師的品格美德是促進其專業投入與心理福祉的重要個人資源，而職業倦怠與自我效能構成連結品格與福祉的關鍵機制。研究強調，教師福祉與倦怠應被視為同一連續體上的兩個面向，並建議未來教師支持與專業發展方案可納入以品格美德為基礎的介入設計，以同時減少倦怠風險並提升教師的專業活力與整體幸福感。

 

文獻來源（開放取用）：Angelini, G., Mamprin, C., Buonomo, I., Benevene, P., & Fiorilli, C. (2026). Virtues, engagement, and well-being in teachers: Associations with burnout and self-efficacy in a path analysis model. Teaching and Teacher Education, 169, 105284.

https://doi.org/10.1016/j.tate.2025.105284… Read the rest

Categories
社交及情意成果

後疫情時代融合教育數位教學法的教師專業發展

Shi及其團隊採用循序式混合方法，探討融合教師的數位教學能力與數位自我效能如何影響其工作投入與情緒耗竭。研究首先以 478 名教師為樣本，運用結構方程模型檢驗四個核心變項之間的關聯；其後再透過一項為期兩週、以 TPACK 為基礎的專業發展實驗，評估提升教師數位能力是否能有效改善其專業福祉。

結果顯示，教師的數位教學能力是自我效能的重要預測因子（β = .848, p < .001），並顯著提升工作投入（β = .455, p < .001），同時降低情緒耗竭（β = –.339, p < .001）。自我效能亦顯著提高教師的投入程度（β = .300, p < .001）並減少耗竭感（β = –.390, p < .001），呈現一條從數位教學能力 → 自我效能 → 教師福祉的鏈式作用。

後續的專業發展實驗進一步強化此結果。實驗組相較於控制組，在數位教學能力（F = 22.085, ηp² = .290）、自我效能（F = 32.296, ηp² = .374）、工作投入（F = 14.764, ηp² = .215）和情緒耗竭（F = 15.208, ηp² = .220）上有明顯差異。實驗組於前後測的成長均達高度顯著，而控制組則未出現顯著變化。

本研究指出，教師的數位教學能力是促進其專業福祉的關鍵因素，而結構化、整合 TPACK 的短期專業發展能有效強化教師自我效能、提升工作活力並減少情緒耗竭。研究建議教育機構將數位教學能力培養視為教師專業發展的重要一環，以支持融合教育情境下教師的持續成長與心理健康。

 

文獻來源（開放取用）：Shi, Y. R., Sin, K. F. K., & Wang, Y. Q. (2025). Teacher professional development of digital pedagogy for inclusive education in post-pandemic era: Effects on teacher competence, self-efficacy, and work well-being. Teaching and Teacher Education, 168, 105230.

https://doi.org/10.1016/j.tate.2025.105230… Read the rest

Categories
計劃評鑑 幼稚園教育

機器人程式設計相較於離線程式設計對學齡前兒童運算思維與執行功能的影響：一項隨機對照試驗

一項近期研究在幼兒教育情境中比較證據仍有限的背景下，探討機器人程式設計是否能在促進學齡前兒童運算思維（CT）與執行功能（EFs）方面，相較於離線程式設計帶來額外效益。

研究團隊以中國一所公立幼兒園中198名5至6歲兒童為對象，進行隨機對照試驗。受試者被隨機分派至三組：使用 Matatalab 套件的機器人程式設計組（n = 66）、採用紙筆活動的離線程式設計組（n = 66），以及進行常規幼兒園活動的照常教學對照組（n = 66）。介入期為12週，每週1次、每次60分鐘。CT以 TechCheck-K 測驗評估（15題；本研究 Cronbach’s alpha = 0.79）；EFs則以 Early Year Toolbox 任務測量，分別評估抑制控制（Go/No-Go）、工作記憶（Mr. Ant）與認知彈性（Card Sorting）。測量於基線、介入第6週與第12週施測，並以線性混合效應模型分析介入效果；研究亦回報介入執行忠實度為97%。

結果顯示，隨時間推移，機器人程式設計組與離線程式設計組在CT表現上皆優於對照組，且至第12週時機器人程式設計組的CT提升幅度高於離線程式設計組。就EFs而言，機器人程式設計組在抑制控制、工作記憶與認知彈性三項指標上，隨時間的表現皆優於離線程式設計組與對照組；組內分析亦指出，僅機器人程式設計組在12週後於上述EF指標呈現顯著提升。多數機器人程式設計組兒童對可程式化機器人抱持正向觀感，包括易用性（79%）、有用性知覺（91%）、技術焦慮（91%）、滿意度（94%）、態度（82%）與持續使用意圖（85%）。

研究指出，兩種方式皆可支持學齡前兒童CT發展，但機器人程式設計可能帶來更顯著且更持久的效益，尤其在EFs方面。作者建議未來研究應擴大樣本多樣性、延長追蹤期、結合量化與質性證據，並持續檢驗EF測量工具與不同程式設計教具的適切性與效度。

 

文獻來源（開放取用）：Zhang, X., Chen, Y., Hu, L., Hwang, G. J., & Tu, Y. F. (2025). Developing preschool children’s computational thinking and executive functions: unplugged vs. robot programming activities. International Journal of STEM Education, 12(1), 10.

https://doi.org/10.1186/s40594-024-00525-z… Read the rest