生成式AI如何改變STEM評估:先界定要看見甚麼學習證據

文章以評估三角為框架,回顧生成式AI如何改變學習目標、表現證據及其解讀,整理評估重設、AI分析與回饋、AI生成教材驗證三個方向。作者指出,精緻成品未必反映學生獨立理解,應結合過程、解說和不同任務的證據。本文屬期刊社論及文獻綜述,並非驗證某工具有效的新實驗。

論文原文

International Journal of STEM Education原文撮要
研究及來源資料
研究來自哪裏?
Tufts University、Temple University、香港中文大學、Linköping University、Texas A&M University
地域視角
世界各地研究 · 跨地區文獻
DOI
10.1186/s40594-026-00648-5
期刊/研討會
International Journal of STEM Education
類型
期刊Editorial;文獻範圍回顧及概念分析,非學生介入實驗
地區說明
作者包括香港中文大學研究者;本文沒有香港學生實驗樣本,按跨地區文獻分析分類。
原文日期
2026-09-28
最近核實
2026-10-01
研究來源分類
期刊
作者
Milo D. Koretsky、Meixia Ding、Thomas K. F. Chiu、Jonas Hallström、Yeping Li
學習階段
跨學段
研究領域
教學與評估、數學與科學
研究對象
文獻及資料