分類: 數學及理科學習

Categories
小學教育 數學及理科學習

抑制控制和數學技能：兩者有何聯繫？

Zhu及其同事最近進行的一項三層統合分析綜合了2001年至2023期間進行的研究中，多達86個小學生樣本（平均年齡 = 8.67 歲）的241個效應值，以探討兩種類型的抑制控制（inhibitory control）與各種數學領域（例如，數值、算術、邏輯推理、一般）之間的關係。研究人員區分了兩種主要類型的抑制控制：(1)干擾抑制涉及過濾分散注意力的資訊，例如移除分母越大意味著分數越大的偏見；及（2）反應抑制側重於控制衝動行為，例如在脫口而出答案之前仔細考慮問題。

在去除兩個異常值效應值後，統合分析顯示了抑制控制與整體數學能力之間存在較小的正相關（r=0.19），表明較好的抑制控制與更好的數學技能相關。干擾抑制（r=0.21） 的關係顯著強於反應抑制（r=0.14）。子組分析顯示，干擾抑制與各種數學域（範圍從r=0.18 到 r=0.27）之間的相關普遍強於反應抑制與這些領域的相關（範圍從 r=-0.01 到 r=0.19）。

抑制控制與數學能力之間的關係不受數學領域和抑制控制任務領域的調節。然而，逐對比較顯示，算術能力與干擾抑制之間的聯繫（r = 0.23）明顯強於算術能力與回應抑制之間的相關性（r = 0.12）。此外，隨機生成任務測量的抑制控制與數學能力的相關（r=0.39）比 Go/No-go 任務（r=0.17）和其他任務 （r=0.16）測量的抑制控制更強。在年齡、發展狀況和樣本區域等人口統計學特徵中未發現顯著的調節效應。

這項研究突顯了抑制性控制對數學能力影響的穩定性，無論是不同的數學領域、測量任務或人口統計學特徵皆然。論文中亦探討了這些研究結果的實際應用。

 

文獻來源：Zhu, X., Tang, Y., Lu, J., Song, M., Yang, C., & Zhao, X. (2024). Inhibitory control and mathematical ability in elementary school children: A preregistered meta-analysis. Educational Psychology Review, 37(1), 1. https://doi.org/10.1007/s10648-024-09976-w… Read the rest

Categories
K-12 教育階段 數學及理科學習 有效教學法

AI也能成補習教師的指導？

有效的補習可以顯著提高學生的學習成果，但許多學生，尤其是在資源匱乏社區的學生，往往因資源有限和缺乏訓練有素的教育人員，無法獲得高質量的專家指導。斯坦福大學的研究人員對Tutor CoPilot （一項人工智能系統）進行了首次隨機對照試驗，該系統旨在為 K-12教師提供實時、專家般的指導，從而探索其在即時課堂上對提升教師輔導效率的影響。研究人員與FEV 教師和美國南部一個學區合作，進行了一項干預，涉及900名教師和1,800名來自Title I學校的學生，他們參與了一項以數學為重點的校內虛擬補習項目。

研究發現，使用Tutor CoPilot的補習教師，其學生在掌握數學課程主題方面的能力，比對照組高出4個百分點的可能性。這種影響在水平較低的教師所教授的學生中更加顯著，他們的掌握能力度提高了9個百分點。該系統還促進了應用專家教學策略，例如提示學生解釋他們的推理和提出引導性問題，而非直接提供答案，這有助於提升學生的理解能力。儘管存在一些挑戰，例如AI的建議偶爾與學生年級水平不一致，但教師仍然表示Tutor CoPilot 幫助他們更好地滿足了學生的需求。每位教師Tutor CoPilot 的年費用僅為20 美元，Tutor CoPilot 能在經驗豐富的教學人員稀缺的情況下，提升教學輔導質量，提供了一個可擴展及經濟實惠的方案。這項研究展示了像 Tutor CoPilot 這樣的人類人工智慧系統使所有學生都能獲得高質量學習的潛力。

 

文獻來源（開放取用）：Wang, Rose E., Ribeiro, Ana T., Robinson, Carly D., Loeb, Susanna, & Demszky, Dorottya. (2024). Tutor copilot: A human-AI approach for scaling real-time expertise. (EdWorkingPaper: 24 -1056). Retrieved from Annenberg Institute at Brown University: https://doi.org/10.26300/81NH-8262… Read the rest

Categories
語言發展 小學教育 數學及理科學習

教師使用數學語言能否提升小學生數學成績？

數學語言在幫助學生理解數學概念方面發揮著重要作用，因為它既是溝通工具，也是解決問題技能的基礎。在布朗大學Annenberg 機構發佈的一篇工作論文中，研究人員首次對小學高年級課堂上的數學語言使用方式進行了大規模量化分析。該研究在三年內對 317 個課室的 1,657 節數學課進行了研究，用自然語言處理 （natural language processing NLP）來檢查教師和學生在課堂上使用數學詞彙的頻率。

研究發現教師在使用數學語言上存在很大差異。一些教師使用數學術語的頻率遠高於其他教師，平均每節課使用數學語言達127次。然而，該研究顯示，僅僅讓學生接觸數學詞彙並不能顯著增加學生使用這些術語的概率。第 75 個百分位的教師每節課使用的數學術語比第 25 個百分位的教師多 28 個，這相當於在第75個百分位教師教室中的學生在一個學年中額外接觸數學術語約 4,480 次。更高的數學語言使用與提高學生考試成績有關，特別是當教師採用額外的策略來吸引學生使用這些術語時。

該研究的結果顯示，鼓勵學生使用數學語言需要的不僅僅是教師示範。相反，有效的數學教學源於一系列更廣泛的實踐，這些實踐超越了單一的詞彙使用。雖然該研究指出了教師使用數學詞彙與學生成績之間的相關性，但它強調未來的研究應該探索詞彙使用的質量及其對長期學習成果的影響。

 

文獻來源（開放取用）：Himmelsbach, Zachary, Heather C. Hill, Jing Liu, and Dorottya Demszky. (2024). A Quantitative study of mathematical language in upper elementary classrooms. (EdWorkingPaper: 24 -1029). Retrieved from Annenberg Institute at Brown University: https://doi.org/10.26300/1zcm-d071… Read the rest

Categories
語言發展 數學及理科學習 中學教育

ChatGPT能否取代人類批改學生的寫作？

自動寫作評估 （AWE）工具協助教育人員評估學生的寫作，但經常以準確性和清晰度作為代價，並且設置過程需要大量的精力和資源。相比之下，像 ChatGPT的生成式 AI 提供及時、有針對性和適應性的反饋，可以提高學生的寫作能力。最近的一項研究比較了ChatGPT 和人類評分者的反饋質量，以及對基於過程的寫作評估的潛在影響。

該研究涉及來自南加州兩個學區隨機抽樣的200 名 6-12 年級學生。在兩節50分鐘的課堂上，學生的任務是回答兩個寫作要求的其中一個。每項寫作都要求他們閱讀四個一手資料和二手資料，並使用證據、理由和所需的寫作技巧來建構一個分析歷史解釋的論證。研究招募並培訓了來自不同學科16 名經驗豐富的中學教育工作者，以提供形成性反饋。然後將這些反饋與 ChatGPT的反饋進行比較，後者被提示使用與教育工作者相同的情境。研究人員對反饋進行編碼、分析和比較。

研究發現顯示，訓練有素、受薪且時間相對充裕的人類評分員在五個關鍵領域的四個領域提供了更高品質的反饋：改進方向的清晰度、準確性、基本特徵的優先順序以及支援語氣的使用（第五個領域：基於標準的反饋）。然而，ChatGPT的寫作反饋在質量上與人類反饋非常接近，不需要額外培訓，而且考慮到整體質量和時間節省，ChatGPT 和人類反饋之間的質量差異不大。研究人員得出結論，生成式 AI 在特定情況下是一個有用的工具，尤其是對於形成性草稿或缺乏訓練有素的教育人員的情境下。

 

文獻來源（開放取用）：Steiss, J., Tate, T., Graham, S., Cruz, J., Hebert, M., Wang, J., Moon, Y., Tseng, W., Warschauer, M., & Olson, C. B. (2024). Comparing the quality of human and ChatGPT feedback of students’ writing. Learning and Instruction, 91, 101894. https://doi.org/10.1016/j.learninstruc.2024.101894… Read the rest

Categories
語言發展 K-12 教育階段 數學及理科學習

數學和寫作技巧有關係嗎？

大量研究已經確定了閱讀和數學技能之間以及閱讀和寫作之間的聯繫。此外，以前的研究表明，這些技能和執行功能、高階認知等能力是共通的。因此，假設數學和寫作技能之間存在關聯是合理的。

Kim 及其團隊的一項統合分析調查了數學和寫作技能之間的相關性。作者將寫作和數學技能分為低階和較高階技能。在數學中，涉及資訊檢索和量值的技能（例如，算術、計算能力）被視為是低階或基礎技能，而涉及推理和理解的技能（例如，解答文字題、數據解釋）是高階技能。在寫作中，抄寫技能（拼寫和手寫/鍵盤輸入）是低階技能，而書面作文則是高階技能。

統合分析納入了 211 項研究，涉及 564 個效應量，主要來自說英語的參與者。利用穩健的變異數估計，結果表明數學和寫作技能之間的總體相關性為中等（r = .48），其中年級顯著調節了相關性。在小學低年級學生（K-2 年級：r = 0.52）中發現效果最強，隨著年級上升而逐漸下降：從小學高年級（3-6 年級：r=0.42）降至大學生和成人（r = 0.30）。

鑒於年級和技能水平之間可能存在重疊，該分析進一步按年級分類。在小學階段，低階寫作和低階數學技能呈中等相關性（r=0.59），而高階寫作和高階數學的相關性為0.48。在大學學習者中，低階相關性為0.36，高階相關性則為0.25。

研究結果支持數學和寫作技能之間的實質性關聯。然而，相關性隨著年級的提高而降低，高階的關聯相對較弱。作者推測了兩方面的解釋：基礎技能的停滯以及高階任務可能涉及不同的認知技能，值得進一步探索。

 

文獻來源（開放取用）：Kim, Y.-S. G., Yang, D., & Hwang, J. (2024). Are mathematics and writing skills related? Evidence from meta-analysis. Educational Psychology Review, 36(4), 125. https://doi.org/10.1007/s10648-024-09960-4… Read the rest

Categories
計劃評鑑 數學及理科學習 中學教育

生成式AI對學生成績的影響：一把雙刃劍

諸如OpenAI的GPT-4等生成式AI工具，被越來越多地整合到教育環境中，有望增強學習和效率。然而，AI對學習成果的長期影響仍待考查。賓夕法尼亞大學沃頓商學院（Wharton School）最近的一篇研究論文詳細介紹了一項大規模隨機對照試驗（RCT），該試驗旨在評估生成式 AI 如何影響學生學習，特別專注高中教育的數學課程。該研究涉及三個年級（9-10年級）的近1,000 名學生，評估了兩個以GPT-4為本的輔助工具：GPT Base和 GPT Tutor。GPT Base 提供了一個標準的 ChatGPT 介面，而 GPT Tutor 則結合了安全措施來支援學習，而無需提供直接答案。

結果顯示，雖然GPT-4顯著即時提升了學生解答難題的成績——GPT Base 提升了48%，GPT Tutor 提高了127%——但這些成效並沒有轉化為長期學習成果。當在考試期間，學生不許使用GPT-4時，使用過GPT Base的學生的表現比從未使過的學生差17%，這表明其對學習產生了不利影響。然而，GPT Tutor 卻減輕了這種負面影響，學習成績的差異在統計學上變得不顯著。

該研究強調了生成式 AI 提高短期效用的潛力，但也強調了過度依賴這些工具的風險，這可能會防礙學生解答難題技能的發展。在教育機構越來越傾向於使用AI驅動工具的背景下，研究結果強調了設計周全安措施的必要性，以確保學生能持續學習並保留關鍵技能。

 

文獻來源（開放取用）：Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2024). Generative AI can harm learning. The Wharton School Research Paper. https://www.ssrn.com/abstract=4895486… Read the rest