分類: 有效教學法

Categories
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

Categories
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

Categories
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

Categories
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

Categories
高等教育 學業成績 有效教學法

從故意錯誤中學習：一種新的教學策略

最近由Qiang、Ma 和 Li進行的研究挑戰了傳統教育中避免錯誤的觀念，證明故意犯錯可以顯著提高學習成果。研究人員對中國西北師範大學的非心理學本科生（18-25 歲）進行了三項實驗。參與者需要學習心理學概念的定義並進行回憶測試。他們被隨機分配到三個學習條件之一：

  1. 故意錯誤：學生在學習心理學概念時故意製造合理的錯誤，然後糾正它們（例如，“記憶是積累的生理 [心理] 過程……”) .
  2. 提取練習：學生溫習定義，然後嘗試從記憶中回憶它。
  3. 重複學習：學生反覆閱讀、複製材料並在關鍵信息下劃線。

實驗1評估了161名參與者對心理概念定義的即時回憶。實驗2使用相同的學習方法對162名參與者進行了延遲測試（一週後）。實驗3結合了即時和延遲測試，並通過增加反饋和額外的學習機會來強化提取練習，涉及149名參與者。

結果一致顯示，在即時測試中，故意錯誤和提取練習產生了相似的結果，均優於重複學習。然而，在延遲測試中，故意錯誤明顯優於有反饋及無反饋的提取練習，並且兩種策略都優於重複學習。

結果表明，故意錯誤對保持長期記憶特別有效。學生在製造和修正合理的錯誤時，進行更深層次的認知處理，形成獨特的記憶痕跡，並增強知識的可辨別性。儘管有這些明顯的好處，但學生普遍低估了故意錯誤的效能，反映出一種需要教師應對的後設認知錯覺。

 

文獻來源：Qiang, X., Ma, X., & Li, T. (2025). Learning from errors: Deliberate errors enhance learning. Contemporary Educational Psychology, 82, 102379. https://doi.org/10.1016/j.cedpsych.2025.102379… Read the rest

Categories
K-12 教育階段 教育行政及領導 有效教學法

哪種遊戲化學習更有效？

遊戲化（在課程中加入類似遊戲的元素）可以提高學生的參與度和學習成效。研究表明，當活動有明確的規則、漸增的挑戰難度以及激發好奇心的有趣驚奇時，遊戲化學習成效最好。研究表明，精心設計的遊戲化學習可以提高學習成績並培養正面情緒體驗，例如增加信心和樂趣。然而，設計有效的遊戲化任務需要仔細規劃，因為不佳的元素（例如過度競爭或過於複雜的規則）可能會無意中降低學習者的動力或分散對核心內容的注意力。

Dai及其團隊最近的一項統合分析綜合了37項研究，提供了可行的見解。研究發現，遊戲化學習對學生成績有中等程度的正面影響（效應值 = 0.57），在那些包含明確規則、挑戰性任務和旨在同時激發好奇心的出人意料場景的活動中，效果最強，例如，解謎任務或敘事驅動的任務。

值得注意的是，效果因科目而異。具有結構化知識系統的學科，如數學和工程，相較於人文或藝術學科顯示出更大的效益，這表明遊戲化在配合具體、循序漸進的學習目標時最為有效。對教師的實用建議包括： a）引入簡單的遊戲化元素，如積分系統或進度徽章，以補充現有課程，確保規則易於理解；b）定期評估遊戲化是否能促進學習或導致分心，以及 c）結合講故事或解謎元素，使挑戰與學習目標相配合。

 

文獻來源：Dai, W.-A., Xu, W., & Xing, Q.-W. (2025). Gamified learning impact: A meta-analysis of game element combinations on students’ learning outcomes. Educational Technology Research and Development. https://doi.org/10.1007/s11423-025-10493-y… Read the rest