Categories
高等教育

人工智能反饋能否獨立提升學生的口頭匯報表現

Sichterman及其團隊進行的一項隨機對照研究，探討了人工智能反饋在沒有教師解說的情況下，能否支援學生的口頭匯報表現。研究將60名荷蘭高等教育學生以區組隨機方式分配至純人工智能反饋組（n = 30）及教師協助解讀人工智能反饋組（n = 30）。兩組學生均在沉浸式虛擬實境（IVR）課室完成一次五分鐘的匯報練習後接受反饋。

兩組學生預先準備同一場五分鐘匯報，並向五名虛擬觀眾練習。系統就語速、音量、語調及眼神接觸提供反饋。純人工智能組留在IVR內自行理解自動生成的圖表及文字訊息；比較組則在五分鐘面授環節中，接收由受訓教師口頭解讀的同一組人工智能數據。其後，學生向現場觀眾再次匯報。兩名不知悉組別的專家評定六項匯報技巧，問卷則評估學生對匯報活動的觀感、反饋效用及焦慮程度。

研究未發現兩組在經評分的口頭匯報技巧（M = 7.06 對 7.50，p = .11）、對匯報活動的觀感（M = 3.57 對 3.40，p = .46）、匯報焦慮（組別 p = .67；組別與時間交互作用 p = .21）或反饋效用評價（p = .12）方面有統計顯著差異。兩組焦慮程度均隨時間下降（p < .001）：純人工智能組由2.86降至2.43，教師支援組由2.83降至2.63。在這項研究的條件下，教師解讀並未帶來可由統計檢驗確認的短期優勢。

作者建議把結構清晰的人工智能反饋用於可量度的非語言匯報行為，讓教師集中處理內容、結構及論證。研究並未進行統計等效性檢驗，因此「沒有顯著差異」不足以證明教師支援並無必要。研究亦欠缺無反饋或只有練習的對照組，多項結果只在介入後量度，介入只有一次，樣本較小且來源集中，參加者亦知悉所屬組別。要作出因果或普遍性的結論，仍需較大型、縱向及跨情境研究加以驗證。

文獻來源（開放取用）：Sichterman, B., Banihashem, S. K., Verstappen, M., Schipper, M., Waisvisz, P., Noroozi, O., & van Ginkel, S. (2026). Can AI feedback stand alone for fostering students’ presentation performance? A comparison of AI-only versus teacher-supported AI feedback. Interactive Learning Environments, 34(3), 1280-1297.

https://doi.org/10.1080/10494820.2025.2521338… Read the rest

Categories
學業成績 小學教育 中學教育

教師作業參與與學生學習結果之關聯

Xu 及其團隊採用三層次統合分析，檢驗教師在作業歷程中的參與如何與學生學習結果相關，並比較不同參與方式與結果類型的差異。研究納入 29 項獨立研究、506 個效應值，共 35,702 名中小學生。教師作業參與分為六個面向：作業品質、自主支持、內容支持、回饋品質、回饋數量與綜合支持；學生結果涵蓋動機與情感、行為與自我調節，以及學業成就。研究以零階相關係數（r）為效應值，並以三層次模型處理同一研究中效應值的相依問題，同時檢驗地區、年級、學科與出版類型等調節因素。

結果顯示，教師作業參與與整體學習結果呈小至中等程度的顯著正相關（r = .246, 95% CI [.198, .292], p < .001），且在不同穩健性分析下維持穩定。不同參與方式差異顯著（F = 22.323, p < .001）：作業品質關聯最強（r = .357），其次為回饋品質（r = .321）、綜合支持（r = .298）與自主支持（r = .290）；內容支持較弱（r = .217），回饋數量最弱（r = .157）。這顯示作業設計、回饋與自主支持的「品質」，可能比增加回饋次數更重要。

不同結果亦有顯著差異（F = 6.992, p < .001）。教師參與與自主動機的關聯最強（r = .433），其次為作業興趣（r = .312）、投入（r = .279）與努力（r = .273）；與學業成就的關聯較弱（r = .169），與作業拖延則呈負相關（r = –.162）。這意味著教師參與可能先影響學生如何看待與投入作業，其與學業成績的關係則較為間接。地區具調節作用：亞洲（r = .283）高於美國（r = .176）與歐洲（r = .152）；年級與學科則無顯著調節效果。

整體而言，教師在作業中的角色應著重參與的品質，而非「多給作業」或「多給回饋」。設計與課堂學習連結清楚的作業、提供具體且高品質的回饋，並給予學生適度的選擇與自主空間，更可能促進動機、投入與自我調節。作者建議教師與學校將重點由作業數量轉向作業設計、回饋品質與自主支持。

 

文獻來源（開放取用）：Xu, J., Guo, S., Fan, H., & Sheng, J. (2026). Teacher homework involvement and student learning outcomes: A three-level meta-analysis. Educational Research Review, 100837.

https://doi.org/10.1016/j.edurev.2026.100837… Read the rest

Categories
語言發展 小學教育

探索生成式人工智慧支持的寫作项目對小學生寫作動機、投入與表現的影響：一項混合方法研究

生成式人工智能在二語寫作中的應用日益受到關注，但其在小學教育中的教學價值仍不清楚。Lu等人（2026）採用混合方法研究設計，以中國東部某所小學的301名五、六年級學生為對象。八個班級被隨機分配至生成式人工智能支持的寫作實驗組或傳統寫作教學控制組。學生的寫作動機、投入和表現在前測（第1周）和後測（第9周）進行測量，並訪談了實驗組中的12名學生。

多元協方差分析（MANCOVA）顯示，寫作動機（F(3, 294) = 3.067，p = .028，偏η² = 0.030）、寫作投入（F(4, 292) = 8.392，p < .001，偏η² = 0.103）和寫作表現（F(3, 294) = 2.841，p = .038，偏η² = 0.028）均有顯著的多變量組別效應 。實驗組在理想二語寫作自我、學業復原力、行為投入、情感投入及語言使用方面得分較高，觀點與內容僅呈邊緣顯著差異（p = .054）。成長型思維、認知投入、元認知投入、組織結構及總分則無顯著組間差異 。配對樣本t檢驗顯示，實驗組在理想二語寫作自我（d = 0.26）、學業復原力（d = 0.24）、行為投入（d = 0.22）、情感投入（d = 0.24）、語言使用（d = 0.27）及整體寫作表現（d = 0.28）方面有小幅進步，認知投入（d = 0.12）和元認知投入（d = 0.07）則無顯著提升 。經Bonferroni校正後，控制組沒有顯著進步 。訪談結果揭示了生成式人工智能在塑造上述結果過程中的多重作用。整體效應量雖小，但研究顯示生成式人工智能具有促進小學二語寫作動機、投入和表現的潛力。                                                                                             

教師應將生成式人工智能定位為輔助工具，而非替代學生思考，並設計強調挑戰、努力和反思的活動，以減少過度依賴。鑒於認知投入和元認知投入的提升有限，有必要加強對自我調節寫作策略（計畫、監控和修改）的顯性指導，並透過教師示範和學生反思提供支架。基於生成式人工智能的合作活動應精心設計，讓學生自主生成想法、批判性評價人工智能的建議，並自行決定如何採用。

文獻來源（開放取用）：Lu, Q., Wang, M., Yao, Y., Zhu, X., Xiao, L., & Yin, H. (2026). Exploring the impact of a GenAI-supported writing program on primary students’ writing motivation, engagement, and performance: A mixed methods study. Learning and Instruction, 106, 102451.

https://doi.org/10.1016/j.learninstruc.2026.102451… Read the rest

Categories
高等教育 K-12 教育階段

人工智能與預測分析對學生學習及持續就學的支援

Raji 及其研究團隊在一篇概念性文獻綜述中，探討人工智能（AI）與預測分析如何結合智能導師系統（ITS），支援學生學習及持續就學。作者整理已發表的文獻，討論中小學及高等教育中的個別化學習、及早介入，以及負責任地應用 AI，並提出整合上述功能的框架，以回應學生不同的學習需要。

文章主要討論三類 AI 技術：機器學習用於預測學業表現及識別有學習困難或輟學風險的學生；自然語言處理用於理解學生的回答，並透過對話提供回饋；深度學習則分析複雜的學習模式，以調整學習內容。出席紀錄、評核成績及網上學習活動均可作為分析資料。作者亦將系統設計與學習理論連繫起來，強調知識建構、適度的認知負荷，以及自我調節學習。

作者認為，即時回饋、適應性學習路徑及預警系統，有潛力協助及早識別學生的知識缺口，並提供適切支援。建議框架結合學生學習檔案、預測分析、適應性教學及智能回饋，並運用可解釋人工智能，讓教師和學生理解系統建議的依據。推行步驟包括配合課程、準備基礎設施、試行及持續評估。預期效益包括提升學習投入及表現、減少輟學，以及促進學生公平獲得支援。

文章指出，資料私隱、演算法偏見，以及設備、網絡和數碼技能方面的差距，均是主要挑戰。作者建議訂立清晰指引、保障資料安全、加強教師培訓，並促進教育工作者、政策制定者與開發者合作。邀請不同背景的學生參與系統測試，以及解釋系統決策，亦是重點。然而，本文屬於概念性綜述，並未收集新的學生數據、整合效應量，或透過實驗驗證建議框架。因此，文中提出的預期效益仍有待進一步評估。

 

文獻來源（開放取用）：Raji, B., Iyer, S. S., & Yaseen, M. M. N. M. (2026). AI-enabled predictive analytics in education: Enhancing student success and retention through intelligent tutoring systems. Journal of Digital Educational Technology, 6(1), 1-15.

https://doi.org/10.29333/jdet/18330… Read the rest

Categories
社交及情意成果 小學教育

促進小學生學習投入的介入效果

Goulet 及其團隊採用系統性回顧與三層次統合分析，探討不同介入策略對小學生學習投入的影響，並比較何種方式最能促進行為、情感與認知投入。研究依循 PRISMA 指引，納入 53 項研究所涉及的 46 種介入，共涵蓋 38,225 名學生，其中 39 項介入採隨機控制試驗、7 項採準實驗設計。研究將介入分為三大類：以教師專業發展為主的「教師支持」、直接作用於學生的「學生導向介入」，以及同時支援學生與其家庭或學校環境的「多模式介入」。統合分析採用三層次隨機效果模型與穩健變異數估計，以處理同一研究中多個效應值的相依問題，並進一步將方法學偏誤納入調節分析。

研究結果顯示，介入對小學生的行為投入具有最穩定的正向效果，整體效應量為 g = 0.386。三類介入皆達顯著效果，其中教師支持的效果最大（g = .503, 95% CI [.105, .901]），其次為多模式介入（g = .385, 95% CI [.202, .569]）與學生導向介入（g = .370, 95% CI [.198, .542]），但三者之間並無顯著差異（F = 0.22, p = .808）。進一步比較學生導向策略發現，學習策略培養的效果最大（g = .801, 95% CI [.318, 1.285]），且顯著高於社會情緒學習（SEL；g = .171, 95% CI [.027, .314]；p = .003）；課堂體能活動亦呈較大的效應（g = .478），但其信賴區間跨越零（95% CI [–.100, 1.056]），因此結果仍不穩定。

整體而言，本研究指出，小學生的學習投入具有可塑性，但不同投入面向對介入的反應並不相同。目前最充分的證據集中於行為投入，其中透過工作坊、教練、回饋與反思活動提升教師教學與班級管理能力，以及直接培養學生規劃、組織、自我監控與反思等學習策略，最具發展潛力。相較之下，僅培養學生社會情緒能力的效果較有限，而體能活動的結果亦存在較大不確定性。作者因此建議，學校在規劃學生投入介入時，可優先投資教師專業發展與學生學習策略訓練，同時避免假定單一策略能全面改善行為、情感與認知投入；未來研究亦需增加對情感與認知投入的測量，並採用更高品質的研究設計，以建立更穩固的實證基礎。

文獻來源（開放取用）：Goulet, J., Archambault, I., Maltais, C., Gilbert-Blanchard, O., & Janosz, M. (2026). Promoting engagement in elementary school: A systematic review and meta-analysis of intervention effects. Educational Psychology Review, 38(1), 107.

https://doi.org/10.1007/s10648-026-10204-w… Read the rest

Categories
高等教育 教育行政及領導

國際學生流動與留存：來自離散選擇實驗的證據

Peeters 與 De Witte 近期的一項量化研究，探討了國際學生選擇大學的決定因素，以及他們畢業後是否留在東道國的決策，研究聚焦於比利時的法蘭德斯地區。

研究採用了來自魯汶大學（KU Leuven）國際學生的 652 份有效問卷回覆，資料於 2025 年 2 月 10 日至 3 月 19 日期間收集；研究者從最初 748 份完成的問卷中剔除了 96 位比利時受訪者後得出此樣本。約 15% 的受訪者透過網絡觸及該項研究，85% 則透過授課場合觸及。作者進行了兩項離散選擇實驗（DCE）：第一組（Deck 1）針對大學選擇（7,824 個選擇觀測值），第二組（Deck 2）針對畢業後的留任決策（11,736 個觀測值），並另外嵌入一項關於布魯塞爾企業英語使用感知的資訊實驗。

各變數以選擇屬性的形式加以操作化。第一組包含學費、大學排名、與家鄉的距離、勞動前景，以及是否保證提供住宿；第二組包含稅前薪資、取得簽證或工作許可的難易程度、社會融入的難易程度、就業機會，以及生活品質。留存意願透過一道直接的問卷題目來衡量，並與“是否需要簽證”的虛擬變數及人均 GDP 建立關聯。資料以條件logit模型與混合logit模型、支付意願測量、潛在類別分析及次群體分析進行分析。

研究發現顯示，學費是大學選擇最具影響力的決定因素，學生願意為就讀排名更高的院校而放棄多達每年 8,597 歐元的學費（範圍為 4,260 至 8,597 歐元；大量就業機會則為 2,989 歐元）。放寬移民程序使留任機率提高了 11.62 至 23.99 個百分點，同時各學生群體之間存在顯著的偏好異質性。學生願意為更簡便的簽證程序放棄最多每月 761 歐元的稅前薪資，為高生活品質放棄 754 歐元 。需要簽證的學生留任意願高出 9 至 10 個百分點，而原居地人均 GDP 每增加 1 萬歐元，留任意願降低 1.92 個百分點 。碩士生的留任意願比學士生高 9 至 10.2 個百分點，有學生工或兼職工作的學生則高 4.75 至 8.12 個百分點 。潛在類別分析顯示，大學選擇分為兩類（55% 重視成本、45% 重視職業發展），留任決策亦分為兩類（52% 重視生活品質、33% 重視實際回報）。為合資格畢業生設立快速簽證通道，估計每年可為法蘭德斯經濟帶來 2,770 萬至 8,300 萬歐元；改善勞動市場條件則可帶來 4,040 萬至 1.727 億歐元 。研究為尋求吸引與留住國際人才的政策制定者提供了可行的洞見。

 

文獻來源：Peeters, E., & De Witte, K. (2026). International student mobility and retention: evidence from discrete choice experiments. Studies in Higher Education, 1-18.

https://doi.org/10.1080/03075079.2026.2692621… Read the rest