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
發現資料有誤?提供更正資料