標籤: 人工智能

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
高等教育 有效教學法

生成式人工智能反饋如何支援線上高等教育中的自我調節學習

Yilmaz及其團隊最近進行的一項混合方法研究，探討人工智能生成的反饋能否協助大學生在線上課程中發展自我調節學習能力（self-regulated learning skills, SRLs），以及學生對反饋來源的感知如何影響其態度。這項研究在一個為期九週的遠距「基礎統計學」課程中進行，共有46名高等教育學生參與，並被隨機盲分至生成式人工智能反饋組（n = 23）或導師反饋組（n = 23），參與者在整個介入期間均不知悉自己接收的反饋類型。

研究團隊採用了Nazaretsky及其團隊（2024）提出的四維反饋感知框架，涵蓋客觀性、實用性、真誠性及提供者可信度，並結合Barnard及其團隊（2009）提出的六維自我調節學習模型，包括目標設定、任務策略、環境建構、時間管理、求助行為及自我評估。自我調節學習的評估則採用改編自Ye與Pennisi（2022）框架的軌跡數據指標，研究團隊從大約48,000條MOODLE日誌記錄中挖掘、標準化並映射出自我調節學習代理分數，並在兩次反饋介入前後分別進行測量。生成式人工智能反饋透過GPT-4生成，並以結構化提示輸入每位學生的個人代理z分數；導師反饋則透過一個名為RefleXED的專用支援工具生成，同樣基於相同的基礎數據。

結果顯示，學生在所有反饋感知維度上，對人工智能生成的反饋評價均高於導師生成的反饋，其中真誠性維度呈現統計顯著的優勢（p = .036, r = .36）。在自我調節學習發展方面，人工智能反饋組在任務策略維度上顯示出顯著改善（p = .044, r = .35），而時間管理維度則呈現接近顯著的趨勢（p = .057, r = .33），其餘自我調節學習維度則未發現組間顯著差異。針對17名實驗組學生的開放式回應進行的質性分析顯示，學生對反饋來源的知悉程度存在相當大的差異：能識別反饋為人工智能生成的學生普遍表示態度沒有改變，重視反饋內容的品質而非其來源；而部分未察覺來源的學生則表示，若事先知悉來源，其看法可能會有所不同。

研究結果表明，精心設計並結合學習分析數據的生成式人工智能反饋，在線上高等教育中具有規模化提供個人化自我調節支援的實際潛力，但研究者提醒，不應將生成式人工智能視為導師的替代品。相反，他們主張採用一種互補模式，讓生成式人工智能的可擴展性與適應性，與導師的教學專業判斷相輔相成，同時院校亦須留意學生對反饋來源的知悉程度及感知，如何影響反饋的最終成效。作者指出，本研究樣本量偏小（n = 46）且來自單一課程，限制了研究結果的普遍適用性，因此呼籲未來研究應涵蓋更大規模、更多元化的學生群體，設立無反饋對照組，並對自我調節學習成果進行更長期的追蹤。

文獻來源（開放取用）：Yilmaz, M., Temur, H. B., Emmungil, L., Çelik, E., Gauthier, A., & Cukurova, M. (2026). Supporting self-regulated learning through generative AI feedback in online higher education: the importance of student perceptions of the source of feedback. International Journal of Educational Technology in Higher Education, 23(1), 16.

https://doi.org/10.1186/s41239-026-00592-y… Read the rest

Categories
語言發展 高等教育

GenAI 在寫作反饋流程中的任務卸載方式與寫作發展

Lai 及其團隊採用準實驗設計，探討在英語作為外語（EFL）寫作的「起草—評估—修訂」流程中，將不同任務卸載給 GenAI 會產生何種影響。研究歷時七週，以 101 名中國大學生為對象，比較三種條件：（1）GenAI 起草、學生評估、學生修訂；（2）學生起草、GenAI 評估、學生修訂；（3）學生起草、學生自評、學生修訂。

研究結果顯示，GenAI 起草組在寫作能力上表現最佳 (M = 18.21, SD = 2.21)，顯著高於 GenAI 評估組 (M = 16.30, SD = 1.70) 以及無 GenAI 參與組 (M = 15.15, SD = 1.79)。這顯示將 GenAI 納入反饋流程整體上有助於寫作進步，但將「起草」任務（而非「評估」任務）卸載給 GenAI，所產生的效果最強。

在心理歷程方面，GenAI 起草組展現出顯著較高的認知投入，與 GenAI 評估組相比，他們與 AI 互動時使用了更多的總提示次數 (中位數 20.50 vs. 9.00, U = 195, p < .001) 以及學習導向提示 (中位數 10.50 vs. 8.00, U = 398.50, p < .05)。此外，他們在後設認知方面也優於其他兩組在同儕評閱期間的問題辨識 (M = 4.41)、問題論證 (M = 2.82) 與提供建設性建議上 (M = 4.97)。

在寫作自我效能方面，GenAI 起草組展現了最大的進步 (M = 4.74, SD = .55)，顯著高於另外兩組；而 GenAI 評估組 (M = 4.42, SD = .53) 與無 GenAI 組 (M = 4.45, SD = .78) 之間則無顯著差異。訪談結果進一步顯示，這些學生因能批判性地評估並改寫 AI 的初稿，而產生了更強的掌控感與能力感。相較之下，GenAI 評估組的部分學生則擔心自己過度依賴 AI 修改，從而形成某種「虛假的自信」。

整體而言，本研究強調 GenAI 在寫作反饋流程中的教育價值，取決於將「什麼任務」卸載給 AI。將起草任務交給 GenAI，並由學生承擔評估與修訂，更能促進深度認知投入、後設認知理解以及寫作自我效能。作者建議，在將 GenAI 融入寫作教學時，應優先考慮「AI 生成草稿搭配學生判斷與修正」的模式，讓 AI 成為引發批判與反思的對象，而非取代學生的思考。

文獻來源（開放取用）：Lai, C., Pan, M., Guo, K., & Cui, Y. (2026). What task to offload to GenAI in the writing feedback process? – Effects of task-offloading approaches on EFL learners’ writing skill development. Computers & Education, 252, 105675.https://doi.org/10.1016/j.compedu.2026.105675… Read the rest

Categories
K-12 教育階段 有效教學法

智慧型輔導系統對K-12學生學習與學業表現的影響：一項系統性文獻綜述

近期發表於 npj Science of Learning 的一項系統性文獻綜述探討了智慧型輔導系統（ITS）對K-12學生學習與學業表現的影響。隨著教育人工智慧（AIEd）的快速發展，ITS已成為其中一項關鍵應用，被認為具有促進個別化學習與提升學習成效的潛力。然而，儘管其應用日益廣泛，其實際教育價值仍不明確。部分研究指出ITS能夠提升學習成效，甚至優於傳統教學；但亦有研究發現其效果有限或不一致。此外，既有研究往往混淆不同教育情境，或聚焦於廣義的人工智慧應用，導致對ITS在K-12教育中的實際效果缺乏系統性理解。因此，本研究旨在評估ITS對K-12學生學習與學業表現的影響，並梳理用於評估這些系統的實驗設計類型。

本研究納入28項實證研究，共涉及4,597名學生。多數研究採用準實驗設計，通常將使用ITS的實驗組與不同類型的對照組進行比較，包括傳統教師主導教學、非智慧型輔導系統、改良版ITS或無對照組等。這些研究涵蓋多個國家、學科與學段，並主要集中於中學與高中階段的STEM領域。干預時間長短差異顯著，從單一課堂至數週甚至數月不等。該綜述依據教育情境、實驗設計與干預特徵對研究進行分類，以實現對研究結果的系統性比較。

研究結果顯示，ITS整體上對K-12學生的學習與學業表現具有正向影響，尤其是在與傳統教師教學相比時，多數研究報告中等至較大的效果。然而，當與非智慧型輔導系統相比時，結果則較為分歧，多數研究未發現顯著差異。研究之間存在顯著異質性，主要源於實驗設計、干預時間與情境差異。重要的是，ITS的效果取決於其關鍵設計特徵與實施條件，例如個別化、適應性與即時回饋等核心要素。當ITS與教師指導相結合、促進自我調節學習，且在較長時間內實施時，通常能產生更佳效果。相對而言，短期干預可能受到新奇效應影響，而學習者的先備知識與教育階段等因素亦會影響學習結果。

綜合而言，研究結果表明，ITS能夠促進K-12學生的學習與學業表現，但其效果並非由技術本身決定，而取決於其教學設計與實施條件。當ITS能夠與良好的教學原則相結合，並與教師指導協同運作時，其效果最為顯著。本研究亦指出現有文獻的若干限制，包括干預時間偏短、樣本多樣性不足，以及對人工智慧倫理議題的忽視。因此，未來研究應採用更為嚴謹的實驗設計，延長干預時間，擴大樣本多樣性，並加強對倫理議題的關注，尤其是在人工智慧技術持續演進並日益滲透教育實踐的背景下。

 

文獻來源（開放取用）：Létourneau, A., Deslandes Martineau, M., Charland, P., Karran, J. A., Boasen, J., & Léger, P. M. (2025). A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education. npj Science of Learning, 10(1), 29.

https://doi.org/10.1038/s41539-025-00320-7… Read the rest

Categories
高等教育

大學生批判思維在生成式 AI 依賴行為中的角色

Hou 及其團隊以大規模問卷資料與結構方程模型（SEM）為基礎，系統性檢驗大學生的批判思維如何影響其在生成式AI輔助問題解決任務中的不同依賴行為。研究納入808份有效樣本，評估學習者的批判思維技能與傾向、AI素養、對AI的信任程度，以及四種類型的使用方式——反思性、謹慎性、協作性與輕率使用。作者將依賴行為視為「學習者如何評估並運用AI與人類能力差異」的結果，從而提出批判思維在其中可能扮演關鍵調節角色。

研究結果顯示，AI素養能強力預測批判思維技能（β = .66, p < .001）與傾向（β = .41, p < .001），而對AI的信任則與兩者呈負相關（技能：β = –.16, p < .05；傾向：β = –.11, p < .001）。在依賴行為上，批判思維技能與協作（β = .25）、反思（β = .21）與謹慎使用（β = .24）呈正向關聯，批判思維傾向亦呈相似效果，突顯批判思維在支持理想的AI使用方式上具有關鍵作用。相比之下，信任強烈預測輕率使用（β = .47, p < .001），同時也小幅提升協作（β = .15, p < .05）與反思性使用（β = .19, p < .001），呈現其在促進與削弱理想依賴之間的雙重角色。更重要的是，AI素養透過批判思維顯著促進協作（β = .25）、反思（β = .20）與謹慎使用（β = .22），而信任則因降低批判思維而對這些理想行為產生負向的間接影響（β = –.05 至 –.06, p < 0.001）。這意味著批判思維既能強化AI素養的正向作用，也能抑制信任可能帶來的盲從式依賴，使學習者更傾向於反思、謹慎且具合作性的AI使用方式。

整體而言，本研究提供了重要證據，指出批判思維並非單純減少AI依賴，而是形塑依賴方式，使其朝向更具反思、協作與審慎的方向發展。作者主張，提升學生的AI素養必須與批判思維培養並行，才能減少輕率倚賴、促進更健康的人機協作。研究也提醒，教育介入應明確界定「理想的依賴行為」並培育學生在日益普及的生成式AI環境中發展負責任與深思熟慮的使用習慣。

 

文獻來源（開放取用）：Hou, C., Zhu, G., & Sudarshan, V. (2025). The role of critical thinking on undergraduates’ reliance behaviours on generative AI in problem‐solving. British Journal of Educational Technology, 56(5), 1919-1941.

https://doi.org/10.1111/bjet.13613… Read the rest