教大领导国际研究揭示学生与AI协同学习轨迹
全新「学习动态分析法」助革新教学评估
人工智能（AI）正全面重塑全球教育生态。随着AI工具广泛应用于构思、撰写及解题，传统教学评核却仍多集中于最终成果，难以全面反映学生的学习过程。如何确切掌握学生是否真正学有所成，成为教育界亟待解决的课题。
由香港教育大学（教大）领导的一项国际研究，为此提供崭新视角。研究发现，学生在小组学习中虽然经常交流意见，但在整合观点及提出解决方案等深层次环节投入时间不足。团队强调，AI时代的教学评核必须兼顾「过程」与「成果」，方能培育学生独立判断、创意思维与深度理解能力。
本研究由教大课程与教学系助理教授巴深博士统筹，并与澳洲蒙纳许大学、美国威斯康辛大学以及西北师范大学合作完成，成果已刊载于国际权威学术期刊《Computers & Education》。
为填补现有研究不足，团队研发「学习动态分析法（Movement Analysis，简称MOVA）」，用以追踪学生在探究、协作和解题过程中的学习轨迹。与传统仅着重于最终论文、报告或汇报的评核方式不同，MOVA能够捕捉学生整个动态学习旅程，提供他们在思考、协作、回应反馈及逐步形成想法过程中的客观证据。此方法亦有助研究人员观察学生在小组学习中的投入程度。透过追踪学生在不同探究阶段之间的「移动」，MOVA能揭示小组是积极探索并深化观点，还是停留在静态的讨论模式。
研究团队以一门大学课程线上讨论记录作为分析样本，覆盖108名学生、16个小组，共1,617条讯息。MOVA归纳出五大探究状态 ：提问、探索、社交互动、整合以及解决方案。
研究亦比较了使用与未使用GPT-4聊天机械人的小组：
- 使用GPT-4聊天机械人的小组互动更丰富、更具动态性。他们更频繁地在不同探究阶段之间切换，展现更高阶思维，并能从构想走向整合与应用。
- 未使用聊天机械人的小组则倾向停留在静态讨论，集中于社交或基础探索，难以推进至整合或解决。
- MOVA亦揭示了不同小组在学习上的差异。有些小组展现出更长、更具动态的学习历程，反映持续的活动与更深入的思考；另一些则仅停留在基础探索阶段。这种循环、非线性的探究视角，能够准确定位学习瓶颈，并揭示小组在由构想过渡至高阶思维时所面临的挑战。
研究指出，教学评核应更重视「过程」，而不仅仅是「成果」。透过追踪学生在探究过程中的「移动」，MOVA能提供学生如何思考、协作、回应反馈及逐步形成想法的证明。这种可视化的过程有助老师及时提供指缓，引导学生养成反思能力、批判性思维与团队协作能力。
巴深博士表示：「随着AI改变学生的学习方式与学术作答模式，教学评核亦需要相应革新。我们必须理解成果背后的学习过程。MOVA提供了一套方法，帮助我们观察学生如何与同侪、教师及AI协同学习。」
是项研究填补了协作学习、学习分析以及AI教育应用领域的研究空白，并标志着AI时代教学评估的新方向——不仅要问「学生交出了什么」，更要追问「学生是如何学习的」。
研究同时提供了具体证据，显示如AI聊天机械人等智能工具，在提升教育中的协作探究与小组学习方面能发挥重要作用。透过支援认知、社交及教学过程，AI工具能帮助学生更深入投入学习，顺利跨越复杂的探究阶段，并取得更佳的学习成果。
-完-
