教育研究
更多篩選
收到AI評語後，學生如何參與判斷和修改？
文章結合概念分析及近期研究，探討教師、學生與人工智能如何在回饋過程中合作，重點比較回饋的及時性、準確程度、細節、可理解程度及語氣。分析亦把師生關係和學生參與判斷、回應及修改的過程納入考慮，涉及內地師生資料。文章屬研究綜合，著重釐清不同回饋來源的特點與合作方式，沒有以實驗比較人與人工智能回饋對成績的個別效果。
人工智能與多感官提示支援繁體字書寫
研究設計繁體字學習系統，結合學習支援及動作學習理論，以人工智能即時辨識書寫錯誤，再提供視覺、聽覺、動作和觸覺提示。系統把回饋放進書寫過程，並整理學習資料供教師了解學生需要，服務對象為有特殊教育需要的學習者。公開摘要主要交代設計原理，未提供樣本、對照安排或書寫能力測試結果，未能據此判斷學生能否把練習轉化為獨立書寫能力。
澳洲132名學生看AI監察情境：想獲得提示，也想保留自主
研究讓132名澳洲大學生觀看不同AI感測及介入情境，比較目光或面部感測、系統提示和教師協助，並排列倫理考慮的重要性。學生重視適時支援，對AI監察則較負面，較偏好系統提示，理由涉及自主及在同學面前的尷尬。自主和私隱在倫理排序中居前。研究量度影片引發的感受及預期影響，沒有測試真實監察系統的準確度或長期學習成效。
AI協助助教寫評語：修訂稿進步，後測未見顯著差異
研究在354名大學生的入門經濟學課程中，比較助教自行撰寫評語與使用FeedbackWriter建議的評語，共處理1,366篇稿件。助教可採納、修改或刪除AI建議；收到AI輔助評語的學生，修訂稿質素較佳，評語亦較具體可行，但後測成績未見顯著差異。研究的修訂稿評分主要依賴語言模型，並以部分真人評分核對，作品改善未必代表知識保留。
機械人帶領生活情境練習：五名小學生的投入未見顯著改變
研究安排五名有自閉症的小三至小五男生，參與三天由Boon Boon機械人帶領的生活情境練習，透過前後測及觀察了解學習投入和動機。結果顯示，情緒投入分數不變，其餘投入及動機略有下降，但各項前後差異均未達統計顯著。活動時間短，而且沒有真人教學對照組，研究只能描述這五名學生的試用情況，不能據此判斷機械人教學普遍有效或無效。
準教師用AI設計數學探究：自評有何轉變？
研究在2024／25學年上學期比較兩組各九名準教師，探討生成式人工智能融入數學探究學習後的表現。參加者運用工具設計個別化數學活動，課末評估主要採用學習成果自評。人工智能組的批判思考自評較高，差異達統計顯著；解難和書面溝通的組間差異則未達顯著。研究人數少，結果主要反映課末自我評價，不能直接推算客觀能力的進步幅度。
專題報告用了AI後，文字改善了，資料查證又如何？
研究把生成式人工智能加入兩門大學科學課程的專題報告，分析學生作品，並與往年未使用工具的作品比較，以了解有效運用人工智能所需的能力。兩課程修讀人數分別為19及75，另收集問卷。作者觀察到英文表達和構思改善，同時發現沿用人工智能文字及未核實引用的問題。跨年度作品比較並非隨機實驗，修讀人數亦不等同有效問卷數目。
九名醫學生的問題導向學習：ChatGPT如何改變小組討論？
研究以九名醫學生進行一次約一個半小時的過敏性休克問題導向學習，五人使用ChatGPT，四人按原有方式討論，再收集師生評價。人工智能組在部分學習目標的評價較高，工具有助提取知識，但處理複雜任務仍有限，亦出現省略資料整理及依賴工具的顧慮。研究人數少、活動時間短，所得評價不能直接代表醫學推理能力的持續改善。
AI導師先讀課程教材：理大GPTutor的先導研究
理大團隊開發GPTutor，讓教師上載和管理課程教材，再按內容建立學習情境；學生可透過對話提問及探索教材。系統以教師提供的資料作答，設計目的是減少內容錯誤並配合預期學習成果。首階段曾安排約200名本科及研究生試用。作者介紹平台功能和先導研究，但公開摘要未列成績比較或統計結果，尚未能判斷個別指導對學習表現的改善幅度。
把英語錄音變成文字：用WhatsApp辨認發音問題
教大團隊在大學口語課程的個別指導中，試用WhatsApp的自動語音辨識功能，把學生錄音轉成文字，作為詞語和短語發音的形成性回饋。研究聚焦教學發展計劃的第一階段，探討教師如何利用日常通訊平台提供回饋，以及實施時的困難。公開摘要交代教學情境與研究方向，未列樣本人數、評分程序或學習結果，不能據此判定學生的發音能力已提高。
虛擬課室加入數碼人：Learningverse如何安排學習互動？
研究開發Learningverse，把二維及三維學習場景、數字人和大型語言模型結合，透過檢索教材提供即時對話與學習提示。數字人可按課程調整外觀、動作、目光、表情及聲音，讓學習互動配合不同主題。先導試用報告學生互動、動機及學習表現有正面變化，但摘要未交代樣本人數、比較組和測量方法，因此未能確定改善幅度及各項設計的個別作用。
從機構應用個案入手：城大如何安排學生AI素養課程？
城大「AI for All」先導課程面向不同學科背景的學生，介紹人工智能的基本原理、發展和近期應用。學生透過分析機構及平台如何使用人工智能，認識技術在實際情境中的用途。作者報告參加者的人工智能素養在課程後有所提高，但公開摘要未列樣本人數、評估工具、比較安排或具體分數。現有資料足以交代課程方向，尚未能估計學習轉變的幅度及持續情況。
學習紀錄如何找出支援需要？理大Knowlearn的107名學生資料分析
理大KnowLearn研究把教學、學習表現及回饋資料連成知識圖譜，分析建築及房地產學系107名學生的資料。結果顯示，自我效能、使用意向和課堂小測表現可顯著預測虛擬學習環境中的期末成果。團隊另加入本地部署的Qwen-7B語言模型，以對話方式提供個別建議。模型的預測關係並不代表因果，亦未直接證明對話功能本身提升了學生的學習成績。
練習匯報後即時回看：AI可提供哪些表達提示？
研究先調查學生與教師對英語匯報回饋的需要，再開發SmartPresenter平台，提供練習材料及人工智能評語。回饋涵蓋眼神、面部表情、贅詞、發音和流暢度，回應大班課堂難以逐一指導的情況。項目亦評估平台支援自主練習和教師評分的用途，但公開摘要未列參加人數及具體統計結果。平台提供哪些提示已有說明，其對長期表達能力的影響仍未能確定。