校長專欄
協和小學試行AI分析課堂參與 配合分層教師培訓
中華基督教會協和小學校長翁美茵撰文介紹，學校把編程與數學探究結合，並在人工智能課程讓學生認識神經網絡等基本概念。教師透過共同備課、公開課及交流建立教學示例，校方亦試行AI分析互動系統，以課堂參與數據協助教師了解學習情況。教師培訓分為基礎、核心教師進階及領導層發展，內容涵蓋提示語、AI幻覺、資料私隱、版權與學術誠信。
本地個案 · 2026–2027年度
ARTICLES
文章目錄
更多篩選 · 已選1項
逾百萬學生資料研究：分區訓練AI，預測成績毋須集中原始紀錄
研究運用逾109萬名學生的考試資料，結合31項學業、教學及社會經濟因素，比較不同成績預測模型。分區訓練只交換模型更新，各區保留原始資料；個人化模型的整體預測表現略高於兩個集中訓練模型。過往成績的預測力最強，環境因素的影響則因地區而異。研究使用模擬分區資料，著重預測準確程度，未測試模型能否改善學生學習。
University College London（倫敦大學學院）、土耳其國民教育部資訊科技部門等
學校實踐報道
陳南昌夫人小學：把AI學習分析加入課後功課與溫習時段
保良局陳南昌夫人小學在課後功課與溫習時段設立AI Learning Hub，採用科大訊飛「智慧課堂」的「AI精準學」，分析學生的學習表現，顯示進度並提供個人化溫習建議。校方希望學生看清自己的強弱項後，選擇針對性的內容重溫，逐步學習規劃。平台成為課後學習支援的一部分，配合原有的功課與活動安排。
本地個案 · 2026–2027年度
學校報道
何明華會督中學用AI整合學習經歷 教師審閱推薦信初稿
何明華會督中學與本地科企共同研發AI Flow，整合雲端校管系統及大學聯招平台的學生資料，按價值、態度、技能及知識框架草擬推薦信，再由教師審閱修訂，已用於中六畢業生。學校亦推行電子評估，考試時鎖定作答介面，統一派卷收卷；數學教學則以本地大語言模型分析學生弱點，生成個人化練習，供教師跟進。
本地個案 · 2025–2026年度
學校報道
梁銶琚分校以AI整理學生強項 由教師跟進成長方向
樂善堂梁銶琚學校（分校）計劃以AI整合學業、電子學習及教師回饋，製作潛能雷達圖和性格強項報告。首階段為小一及部分小三生建立成長對照圖，再逐年擴展。校方將培訓16位主任級教師擔任成長同行者，按學生特質安排活動；家長亦可補充生活照片。AI分析須經教師核實，成長資料則供新任班主任持續跟進。
本地個案 · 2025–2026年度
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。
墨爾本大學、RMIT大學等
學校報道
佛教志蓮小學規劃代理式AI 整合校務與學生學習歷程
佛教志蓮小學規劃引入代理式AI，連接電子學習與校務系統，整理閱讀、體適能及行政資料，減少重複文書工作。學生可用應用程式記錄獲獎、報告及學習經歷，校方希望在畢業時整合成個人學習歷程手冊。學校亦計劃推行跨科AI自習支援，讓學生按弱項反覆提問；同時已舉辦兩場家長AI認知講座，協助家校了解新安排。
本地個案 · 2025–2026年度
追蹤點擊、眼動與情緒：AI學習分析先要說清楚量度甚麼
研究以系統文獻綜述檢視自我調節學習的量度方法，整理142篇文章所用的行為、情境及生理資料，並對照認知、後設認知、情緒與動機等過程。多類資料的收集日益普遍，但分析往往未能對齊事件的時間與先後次序，情緒和動機亦較少得到充分量度。研究提出AI分析的可能用途，重點在於如何理解學習過程，並非測試聊天工具能否提高學生成績。
Radboud University／NOLAI（荷蘭）、University of Oulu（芬蘭）等
校本課例分享
青年會書院：用腳踝感應器與AI跑步數據支援體育課
青年會書院與香港城市大學合作研發熱身評估及AI跑步系統。熱身活動用腳踝感應帶追蹤表現，並加入遊戲元素；跑步系統則透過攝像頭記錄數據，教師介紹可同時處理三十五人以上及即時顯示排名。師生可查看圈速和自己的運動節奏，教師再結合動作觀察，了解個別表現並調整帶氧訓練安排。
本地個案 · 2024–2025年度