分類: 有效教學法

教師教育課程中的教育公平：概念與方案層面的改革

Ko-Wong（2025）進行了一項系統性回顧，以檢視美國教師教育課程（TEPs）如何概念化、實施並優先推動教育公平。本研究彙整了 58 篇符合嚴格納入標準的實證研究，綜合分析 TEP 在課程設計、實地實習、招生策略、師資專業發展與結構性改革等多項方案層面的公平措施。分析結果顯示，教育公平的概念在各項研究中高度模糊：許多課程雖在語言上強調公平，但實際上依賴迴避種族議題的框架，僅採取表層化的「公平」詮釋，或狹隘地聚焦於資源取得與學業成就。極少研究明確探討白人性（Whiteness）、種族主義、權力或優績主義信念（meritocracy）等批判性公平框架的核心概念。

在強公平（strong equity）視角的指引下，回顧結果發現多數 TEPs 的努力仍停留在表層或零散的活動上，例如要求修習多元文化課程或安排孤立的實地實踐，這些措施常缺乏整體連結與長期影響。儘管課程與社區導向的實習確實能提升師範生對多元學習者的覺察，但研究證據指出，它們往往不足以真正改變師資生的種族素養（racial literacy），或挑戰既有的制度性權力結構。僅少部分課程採取更具系統性的方式，將公平融入課程、跨機構夥伴關係、教學督導與整體方案架構之中。

綜合而言，研究凸顯教師培育中「公平話語」與「公平實踐」之間的持續落差。Ko-Wong 主張，要真正推動公平，TEPs 必須正面處理系統性的種族不平等，動搖如「逃避種族議題」（color-evasiveness）與「優績主義敘事」等主導信念，並重新定位教師教育，使其成為結構性變革的場域，而非僅著重於個別技能的培養。該回顧在結論中提出多項建議，呼籲透過概念釐清、整合性的課程設計，以及更深入的種族公平取向，以促進「強公平」在教師教育中的落實。

文獻來源（開放取用）：Ko-Wong, L. (2025). Equity in Teacher Education Programs: A Systematic Review of Conceptions and Program-Level Efforts. Review of Educational Research, 00346543251382579.

https://doi.org/10.3102/00346543251382579… Read the rest

高等教育有效教學法

從共情到優質長期護理：一種基於生成式人工智能的藝術治療方法

Chang 等人（2025）探討了在護理教育中將生成式人工智能（AI）融入藝術治療，以提升學生在老年護理中的共情與專業表現。傳統的藝術治療課程通常要求學生透過繪畫來培養對老年護理的共情與理解。然而，這種傳統方式常因學生缺乏繪畫興趣或自信而效果有限。為解決這一問題，作者提出了一種基於自我導向學習（SDL）模型的生成式 AI 藝術療癒方法，涵蓋該理論所關注的三個學習階段：自我管理、自我監控與動機激發。

研究採用為期三週的準實驗設計，參與者為 65 名修讀老年護理課程的護理學生。學生被分為實驗組（n = 33）與對照組（n = 32）。實驗組在自我管理階段被引導設定學習目標與計畫，在自我監控階段使用 ChatGPT 創作藝術作品並反思學習進展，在動機階段將個人經驗與情感與老年護理聯繫起來，以培養共情能力。對照組則接受傳統的技術支持的藝術療癒教學。研究的測量工具包括驗證過的共情問卷，以及涵蓋表現力、情感深度、色彩運用、象徵意義與創造力五個維度的藝術治療表現評價量表。

研究結果顯示，實驗組的共情得分顯著高於對照組（η² = 0.196）。在藝術療癒表現上，實驗組也優於對照組，尤其是在表現力（d = 0.79）、色彩運用（d = 0.81）、象徵意義（d = 0.91）與創造力（d = 0.51）這四個方面。進一步的認知網絡分析（ENA）揭示實驗組在作品中的表現性與象徵性維度間的聯繫更為緊密。

總體而言，該研究表明，當生成式 AI 工具與 SDL 策略結合時，能夠同時促進護理學生的認知與情感發展。透過支持共情培養與提升創造性表現，這一創新方法有助於培養老年護理專業人才，以應對老齡化社會長期護理的潛在挑戰。

文獻來源（開放取用）：Chang, C. Y., Wang, P. L., Li, C. J., & Hwang, G. J. (2025). From empathy to quality long-term care: a generative AI-based art therapy approach based on the self-directed learning model. Interactive Learning Environments, 33(5), 3333-3353.

https://doi.org/10.1080/10494820.2024.2443072… Read the rest

幼稚園教育有效教學法

教育機器人與幼兒園兒童4C能力發展

Sapounidis及其同事近期進行了一項統合分析，檢視教育機器人對幼兒園兒童二十一世紀核心技能——溝通、合作、批判性思維與創造力——的影響。研究團隊從2141篇文獻中篩選出22項符合標準的實證研究，共計53個效應值，涵蓋2192名來自12個國家的幼兒。

隨機效應模型顯示，教育機器人對兒童整體技能有顯著正向影響（Hedge’s g = +0.87）。進一步分析發現，合作的效果最為突出（g = 2.14），其次是批判性思維（g = 0.86）、溝通（g = 0.55）與創造力（g = 0.51）。雖然研究間存在高度異質性（I² > 79%）並檢測到一定出版偏差，但整體趨勢一致：機器人學習有助於提升幼兒的社會與認知能力。另有迴歸分析顯示，介入時間越長，效果越佳，突顯持續參與的重要性。

研究結果指出，教育機器人在促進合作與批判性思維方面尤具優勢，能引導兒童透過團隊合作與解題活動發展思維能力。溝通亦可在意見交流過程中獲得支持，而創造力雖研究較少，但若給予合適支架，仍具有成長潛力。

此研究填補了幼兒教育研究的空白，以往統合分析多忽略幼兒園族群，或與高年齡學生混合。作者建議制定專門的機器人課程與教師培訓方案，以發揮教育機器人最大效益。整體而言，教育機器人是促進幼兒全面技能發展的有前景工具。

文獻來源（開放取用）：Sapounidis, T., Rapti, S., & Vaiopoulou, J. (2025). Effects of educational robotics on kindergarteners’ collaboration, communication, critical Thinking, and creativity: A meta-analysis. Journal of Science Education and Technology, 34, 73–87. https://doi.org/10.1007/s10956-024-10149-1… Read the rest

Tags 統合分析

K-12 教育階段有效教學法

學習風格悖論：雖無證據支持卻仍具吸引力

教育中存在一個令人費解的悖論：儘管許多研究表明，將教學方法與學生喜歡的學習方式（例如視覺或聽覺）相配對對學業成績的影響甚微，但學習風格卻不斷出現在教育論述和研究中。最近的一篇系統性綜述整合了來自17項統合分析的證據，探討了為何學習風格反覆出現，並對其持續的吸引力提供了解釋。

該綜述確定了兩種統合分析之間的關鍵區別：（1）配對統合分析，測試將教學方法與學生的學習風格相配對是否能改善學習成果，以及（2）相關研究，研究學生學習風格與學習成果之間的關係。結果顯示，配對研究產生的效應值極小（d = +0.04），證明將教學方法與學習風格配對的效果非常有限。相關性統合分析顯示學習風格與學生成就之間的平均相關效應值為r = +0.24，但這些相關性並未闡明因果關係或影響的方向。此外，在兩組統合分析中，學習風格這一概念的廣泛和不一致使用模糊了學習風格與學習偏好或策略之間的分別。

作者指出，與其單純依賴學習風格，有效教學應著重點關注能夠支持教學的適應性強且有證據支持的策略。學生最有效的學習方式是發展適合特定任務需求的認知和後設認知策略，而非依賴他們偏好的學習風格。

文獻來源（開放取用）：Hattie, J., & O’Leary, T. (2025). Learning styles, preferences, or strategies? An explanation for the resurgence of styles across many meta-analyses. Educational Psychology Review, 37(2), 31. https://doi.org/10.1007/s10648-025-10002-w… Read the rest

Tags 系統性綜述

教育行政及領導有效教學法中學教育

人工智能生成的提示能否有助學習？

隨著許多學校加速採用生成式AI，審視這些工具所提供的真實學習成效（或其不足之處）便很重要。 Pardos和Bhandari在2023年發表的一項研究中，探討了AI生成提示作為代數課程中支架機制的效果。

研究招募的77名參與者（通過亞馬遜的MTURK系統篩擇高中畢業生）被分配到對照組（提供人類產生的提示）或實驗組（提供AI生成的提示）。研究人員的目的是了解AI生成的「低質量」提示的比率，以及與對照組相比，這些提示是否提升了學習成果。課程中的問題被逐字輸入到ChatGPT來生成AI提示。並通過人工檢查以確保所有提示都是正確並顯示正確的步驟。相比之下，對照組的提示是由大學本科生助教產生的。研究採用前測及後測來對比兩組之間的學習成效。

結果表明，ChatGPT生成的提示中有70%被認為是高質素的，並且對照組的學習增益具有統計學意義上的顯著。該研究的一個主要限制是研究人員並沒有要求AI採用任何支架策略。因此，各組之間的提示質量不僅因人類或AI生成而異，在教學理論方面也有所不同。人類導師可能更有可能使用維果斯基（Vygotsky）式的支架，而 ChatGPT更可能直接提供答案。未來的研究可改進本研究中使用的提示，並創建一種多層次的方法，先揭示影響較小的提示，逐步引導學生學習。

文獻來源（開放取用）：Pardos, Z. A., & Bhandari, S. (2023). Learning gain differences between ChatGPT and human tutor generated algebra hints (No. arXiv:2302.06871). https://doi.org/10.48550/arXiv.2302.06871… Read the rest