第 12 章：教學設計、精熟學習與評量回饋

主要來源：Human Learning Ch5、Ch14-Ch15；Educational Psychology Ch12-Ch15。
與大二認知心理學的分工：本章不深入測驗理論、心理計量或問題解決實驗典範；重點是如何把學習心理學轉成課程、活動、評量與回饋設計。

本章要回答的問題

教師知道很多學習理論，為什麼課堂仍可能不好學？因為理論需要被轉譯成目標、任務、支持、練習、評量與回饋。若教學目標說要培養應用能力，但上課只講定義、考試只考名詞，學生就會學到背誦。若教師說重視合作，但分組沒有角色、沒有個人責任、沒有回饋，學生就會學到搭便車或分工切割。

本章把本書前面概念整合成設計流程：先決定學生要能做什麼，再安排學習經驗、支持與評量。有效教學不是把活動堆滿，而是讓每個活動都服務於明確學習目標。

學習目標

讀完本章後，你應能：

1. 使用目標、教學、評量一致性檢查課程。
2. 分辨活動熱鬧與學習有效。
3. 說明精熟學習與形成性評量的核心。
4. 設計高品質回饋與修正機會。
5. 規劃議題導向、問題導向或案例導向單元。
6. 分析 AI 與科技工具在學習評量中的機會與風險。

開場案例：很精彩的活動，為什麼學生沒學會？

某教師設計一堂「手機是否應在課堂禁用」辯論。學生很投入，發言熱烈，課後也說很好玩。但教師批改短文時發現，多數學生沒有使用注意、工作記憶、動機或自我調節概念，只是在表達個人立場。

問題不是辯論不好，而是活動和學習目標沒有對齊。若目標是學習心理學概念應用，活動就不能只要求立場表達。教師需要提供概念工具、證據表、反方理由分析、修正任務與評量規準。否則，學生可能活動很多，學習很少。

本章閱讀地圖：把學習心理學轉成設計判斷

本章是全書的收束章。前面章節已經談過行為、情緒、觀察、注意、知識建構、情境、動機與差異；但教師最後面對的問題是：明天這堂課要怎麼設計？學生要做什麼？怎麼知道他們學會？錯了之後如何修正？AI 和科技工具要放在哪裡？

第一節先從學習目標開始，因為沒有清楚目標，活動再精彩也無法判斷是否有效。第二節談目標、教學與評量一致，這是本章的主軸。第三到第五節處理精熟學習、形成性評量與回饋，把錯誤從失敗改成修正資料。第六節說明評量如何塑造學生學習方式。接著實證盒提醒我們，學生覺得課堂順不順不等於學得深不深。第七與第八節把議題導向、問題導向、專題導向和案例導向放進設計流程。第九節談科技整合，第十到第十二節則把規準、自我評量、同儕回饋與期末專題串起來。

讀這章時，請一直回到手機辯論案例。活動熱鬧不是問題，問題是熱鬧沒有被導向概念使用。第 12 章要訓練的是一種設計眼光：每個活動都要能回答「它讓學生練到哪個目標？提供哪種證據？下一步如何回饋？」

1. 從學習目標開始

好的教學設計從「學生最後要能做什麼」開始，而不是從「我要講哪些內容」開始。學習目標應描述可觀察的表現。

模糊目標：

1. 了解動機理論。
2. 熟悉操作制約。
3. 知道評量的重要。

較清楚目標：

1. 能用期待價值理論分析學生不投入的原因。
2. 能在案例中分辨正增強、負增強、懲罰與消弱。
3. 能設計一個形成性評量，並說明回饋如何促進修正。

目標越清楚，學生越知道如何學，教師也越能設計評量。

2. 目標、教學與評量一致

教學設計最常見問題是不一致。

一致性不是所有東西都一樣，而是學習經驗要逐步準備學生達到目標。若最後要新案例分析，平時就要練變式、比較與反例。若最後要專題，平時就要練問題界定、資料判讀、概念應用與修正。

3. 精熟學習：讓錯誤成為修正資料

精熟學習的核心是：重要學習目標不應只給一次機會。學生需要清楚標準、適當教學、練習、形成性評量、回饋與再學習。

精熟學習不是每個人都拿滿分，也不是無限重交。它是一種設計邏輯：

1. 把重要能力拆成可學步驟。
2. 在正式評量前安排診斷。
3. 根據錯誤提供具體回饋。
4. 讓學生有修正機會。
5. 最終評量檢查是否達到核心標準。

例如案例分析可拆成：

1. 找出目標行為。
2. 找出前因與後果。
3. 判斷行為增加或減少。
4. 選擇理論概念。
5. 提出替代介入。
6. 說明限制。

學生若第一步就錯，教師不能只在期末給低分；應在早期短題中發現問題並修正。

4. 形成性評量

形成性評量是在學習過程中蒐集證據，用來調整教學與學習。它不只是小考，也可以是概念圖、出口票、同儕回饋、草稿、口頭解釋、錯誤分析或自我評估。

形成性評量要回答三個問題：

1. 學生現在在哪裡？
2. 目標在哪裡？
3. 下一步怎麼走？

若評量只告訴學生分數，沒有告訴他如何改善，就很難促進學習。高品質形成性評量應該短、常、對準目標，且能引發下一步行動。

5. 回饋：資訊，不只是評價

回饋的功能是提供學生可用資訊。好的回饋不只是「很好」「再加油」「錯」。它應指出目前表現、目標差距與下一步策略。

低品質回饋：

1. 「內容太少。」
2. 「再深入。」
3. 「邏輯不清。」

較高品質回饋：

1. 「你有描述學生拖延，但尚未指出拖延後移除了什麼不舒服刺激，所以負向增強分析不完整。」
2. 「你的論點有三個，但沒有證據排序。請標出哪個證據最強、哪個只是個人經驗。」
3. 「你的介入方案只有獎勵，缺少動機成本分析。請用期待價值表補一段。」

回饋還要配合時間。若學生沒有修正機會，回饋容易變成事後評價。若回饋太晚，學生也難以使用。

6. 評量會塑造學生怎麼學

學生會根據評量調整學習方式。如果評量只考定義，學生就會背定義；如果評量要求案例分析，學生才會練應用；如果評量允許修正，學生比較可能把錯誤當資料。

因此，教師不能一邊說重視理解，一邊只評量記憶。這會讓學生學到隱性課程：教師口頭說的目標不重要，真正重要的是考什麼。

學習心理學課的評量可包含：

1. 概念辨識題：檢查基本語言。
2. 短案例分析：練習應用。
3. 錯誤診斷題：分析錯誤答案為什麼錯。
4. 學習日誌：連結自身經驗。
5. 議題導向專題：整合理論與現實問題。
6. 期末修正版作品：評量回饋使用能力。

實證盒 12-1：活動是否有效，要看實際學習而非主觀流暢

Deslauriers et al. (2019) 的課堂研究指出，學生在主動學習中實際學得較多，但主觀上可能覺得學得較少。這對評量設計很重要：教師若只看學生滿意度或課堂感覺，可能低估有效但費力的活動。

因此，評估教學時至少要分三層：

1. 感受：學生覺得清楚、有趣或吃力嗎？
2. 表現：學生能否在無提示情況下提取與應用？
3. 遷移：學生能否在新情境使用概念？

學生回饋很重要，但不能單獨決定教學有效性。若學生覺得主動學習很累，教師要檢查活動是否真的對準目標，也要教學生理解費力感與學習的關係。

文獻查核：Deslauriers et al. (2019)，DOI 10.1073/pnas.1821936116；作者來源 CrossRef，摘要來源 OpenAlex。完整資料見附錄 92。

7. 議題導向單元設計

議題導向學習適合學習心理學，因為許多學習問題本來就牽涉價值、證據與利害關係。例如：

1. 大學課堂是否應禁用手機？
2. AI 代寫是否破壞學習？
3. 成績排名是否促進動機？
4. 延後上課時間是否改善學習？
5. 補習與自主學習如何平衡？
6. 學校是否應強制小組合作？

但議題導向活動要有學習架構。可用以下模板。

步驟一：界定議題

問題不能太大。不要只問「AI 好不好」，而要問：「在學習心理學課中，哪些 AI 使用方式支持學習，哪些使用方式削弱學習？」

步驟二：指定概念工具

學生至少要使用幾個課程概念，例如認知負荷、提取練習、精緻化、自我效能、期待價值、歸因、評量一致性。

步驟三：蒐集證據

證據可來自課本、實證文獻、訪談、觀察或個人資料。但要分清楚證據強度：研究摘要、系統性觀察、個人經驗與網路文章不是同一層次。

步驟四：建立立場與反方

學生要提出自己的立場，也要公平呈現反方理由。這能避免只找支持自己想法的資料。

步驟五：修正

學生接觸新證據後，必須修改初始立場或模型，並說明修正原因。

步驟六：提出方案與限制

最後產出不是口號，而是可執行方案。例如「允許 AI 幫助資料整理，但禁止生成整段案例分析；學生需提交提問紀錄、AI 回答評估與個人修正版理由。」

實證盒 12-2：LLM 輔助學習需要評量「推理過程」

Stadler et al. (2024) 的研究顯示，使用 ChatGPT 處理 SSI 資訊可降低主觀認知負荷，但學生建議與理由品質較低。這對 AI 時代的評量設計有直接啟示：若評量只看最後答案，學生可能用 AI 產出看似完整的文字；若評量看推理過程，學生就必須呈現問題界定、證據選擇、比較、修正與個人判斷。

AI 時代的學習心理學評量可要求：

1. 初始想法：使用 AI 前，學生先寫自己的判斷。
2. 提問紀錄：學生交出如何詢問 AI。
3. 資料評估：學生標出 AI 回答中哪些可用、哪些可疑。
4. 概念應用：學生必須用課程概念重寫理由。
5. 修正說明：學生說明自己想法如何改變。
6. 口頭追問：教師抽問學生解釋關鍵決策。

這樣的評量不是反 AI，而是把 AI 變成可檢查的學習工具。

文獻查核：Stadler et al. (2024)，DOI 10.1016/j.chb.2024.108386；作者來源 CrossRef，摘要來源 OpenAlex。完整資料見附錄 92。

8. 問題導向與案例導向設計

問題導向學習、專題導向學習與案例導向學習都把學生放在較真實的任務中，但設計重點略有不同。

Wijnia et al. (2024) 的統合分析顯示，這些學生中心、問題驅動方法對動機有小到中等正向效果，但效果異質。這表示教師要設計具體支持，而不是把方法名稱當成保證。

高品質問題導向設計需要：

1. 問題與課程概念明確連結。
2. 任務可被拆成階段。
3. 學生知道何時需要教師輸入。
4. 小組有角色與個人責任。
5. 評量規準包含過程、概念與修正。
6. 期末產出能回應真實讀者或使用者。

文獻查核：Wijnia et al. (2024)，DOI 10.1007/s10648-024-09864-3；作者來源 CrossRef，摘要來源 OpenAlex。完整資料見附錄 92。

9. 科技整合：先問學習功能

科技工具可以支援學習，但不能取代設計。使用影片、線上測驗、VR、AR、AI 或協作平台前，教師應問：這個工具增加了哪一種學習功能？

可能功能包括：

1. 呈現看不見的過程。
2. 降低不必要搜尋或整理成本。
3. 提供即時練習與回饋。
4. 支援合作與共同編輯。
5. 模擬真實情境。
6. 蒐集學習證據。

Chen et al. (2021) 的 VR-PBL 研究顯示，VR 可提升職涯相關英語字彙與動機，但問題解決表現未顯著提升。Annisa and Subiantoro (2022) 的行動 AR-SSI 研究也顯示，AR 可能提升社會科學推理，但不一定提升概念知識。兩者共同提醒：科技效益通常是特定的，不是全面的。

因此，科技整合要對準目標。如果目標是字彙與情境投入，VR 可能很有用；如果目標是推理品質，還需要推理框架與回饋；如果目標是概念知識，還需要提取、解釋與修正。

10. 評量規準：讓品質可見

規準能讓學生知道什麼是高品質表現。好的規準不是只列格式，而是描述思考品質。

以議題導向專題為例，規準可包含：

規準最好在作業開始前提供，並在初稿回饋時使用。這樣學生才知道如何改進。

11. 自我評量與同儕回饋

自我評量不是讓學生隨便給自己分數，而是讓學生學會用規準檢查作品。同儕回饋也不是互相稱讚，而是練習辨識品質與提出可用建議。

有效同儕回饋需要句型：

1. 「我看到你的主張是 ___。」
2. 「目前最強的證據是 ___。」
3. 「我還不清楚 ___ 和 ___ 的關係。」
4. 「依照規準，你可以補強 ___。」
5. 「一個可能反方理由是 ___。」

同儕回饋也需要教師監控。若沒有規準，回饋容易變成「很好」「加油」或主觀偏好。

12. 一學期學習心理學的整合評量範例

期末專題題目：

選擇一個大學生真實學習問題，使用至少三個學習心理學概念分析原因，設計一個可行介入方案，並說明如何評估成效與限制。

可選議題：

1. 拖延與焦慮。
2. AI 輔助學習。
3. 手機分心。
4. 小組合作不公平。
5. 考前抱佛腳。
6. 線上課參與低。
7. 低自我效能與逃避。
8. 成績排名與動機。

提交歷程：

1. 第 5 週：議題與初始概念圖。
2. 第 8 週：理論選擇與案例資料。
3. 第 11 週：初步分析。
4. 第 14 週：同儕回饋與修正計畫。
5. 第 17 週：最終作品與自我反思。

這樣的評量把提取、遷移、動機、社會文化、差異、回饋與修正整合在一起。

概念節點深講：活動、產出與學習證據不是同一件事

本章最重要的節點，是把活動、產出與學習證據分開。活動是學生做了什麼，例如辯論、討論、看影片、使用 AI、做簡報。產出是活動留下的作品，例如投影片、報告、答案、海報。學習證據則是這些活動或產出中，能支持我們推論學生真的學會的部分。

手機禁用辯論很熱烈，這表示活動成功引發參與；學生做出很多發言，這是產出。但如果發言只是「我覺得可以」「我覺得不行」，沒有使用注意、工作記憶、動機或自我調節概念，那它還不是本課需要的學習證據。教師要把活動改造成學習證據，就必須加入概念工具、角色任務、證據要求、反方分析和修正紀錄。

AI 時代尤其需要這個分辨。學生交出一份文字流暢的報告，只能證明有一份報告，不一定證明學生能推理。若評量要求初始想法、AI 提問紀錄、資料判斷、概念改寫、口頭追問與修正說明，教師才比較能看到學生的學習過程。這不是增加形式，而是把學習證據從最後答案往前移到思考過程。

讀到這裡，你應該修正一個直覺：教學設計不是安排活動表，而是設計能產生、暴露、回饋與修正學習證據的流程。

概念辨析

學生常見誤解

第一個誤解是把好活動等同好教學。活動可能有趣、熱鬧、參與度高，但若沒有對準學習目標、沒有產生學習證據，就不能證明學生學會。

第二個誤解是以為評量只是在最後打分數。評量會反過來塑造學生怎麼學；如果只考記憶，學生就會背；如果評量案例分析、修正歷程與遷移，學生才會練更深的能力。

第三個誤解是以為科技工具本身能提升學習。科技只是一種功能載體，必須服務明確目標。AI、VR、AR 或線上測驗都要問：它降低了什麼負荷？增加了什麼練習？提供了什麼回饋？產生了什麼學習證據？

教學轉譯

設計一週「AI 與學習深度」單元：

1. 課前：學生閱讀第 7 章 AI 認知負荷實證盒，寫下自己目前 AI 使用方式。
2. 課中一：小組比較三種 AI 使用情境：查資料、整理概念、代寫分析。
3. 課中二：用認知負荷、提取練習、精緻化與自我調節分析各情境。
4. 課中三：檢查一段 AI 生成答案，標出可用資訊、錯誤推理與缺少證據。
5. 課後：學生提交個人 AI 學習規範，包含可用、不可用、必須留下的學習證據。
6. 評量：重點不是立場，而是概念使用、理由品質與修正能力。

自學轉譯

學生可以把本章用在自己的讀書計畫。

1. 目標：我最後要能做什麼，而不是只讀完什麼？
2. 練習：我的練習是否對準評量？
3. 回饋：我如何知道自己哪裡錯？
4. 修正：我是否安排時間修改？
5. 證據：我用什麼證明自己真的會？
6. 遷移：我能否把概念用到新案例？

例如準備學習心理學考試，不要只排「讀第 1-6 章」。較好的計畫是：「能用古典制約、操作制約與社會認知理論分析三個新案例；每章做兩次提取；錯題寫出錯因；三天後重做新題。」

章末摘要

教學設計要從學習目標開始，並讓教學活動、練習、評量與回饋一致。精熟學習強調重要目標需要診斷、練習、回饋與修正，而不是一次定生死。形成性評量蒐集學習證據，幫助教師與學生決定下一步。高品質回饋提供可用資訊，而不只是評價。議題導向、問題導向與科技整合都可能促進學習，但必須對準概念、證據、推理與修正。AI 時代尤其需要評量推理過程，而不只看最後答案。

檢核題

1. 為什麼教學活動熱鬧不等於學習有效？
2. 目標、教學與評量不一致會造成什麼問題？
3. 精熟學習和無限重交有何不同？
4. 形成性評量應回答哪三個問題？
5. 高品質回饋應包含哪些資訊？
6. 議題導向單元為什麼需要概念工具？
7. AI 時代為什麼要評量推理過程？

應用題

請設計一個兩週議題導向單元，主題為「大學課堂是否應允許使用 AI 工具」。單元必須包含學習目標、活動流程、形成性評量、回饋方式、最終產出與評分規準。請至少使用三個學習心理學概念。

答題方向

可設定目標為：能分析 AI 使用對認知負荷、提取練習、自我調節與學習深度的影響。活動可包含初始立場、文獻閱讀、AI 回答評估、小組角色討論、修正立場。形成性評量可用出口票、概念圖、初稿回饋。最終產出可為 AI 使用規範與理由報告。規準應評估概念使用、證據品質、反方分析、修正與方案可行性。