Home
探索 Uedu
學生控制台
註冊會員/登入
研究知情同意書
教師控制台
課程設定
支援與訊息
Uptime 數據

UeduGPTs

--

Jupyters

2

UG26 CISOSE26
中興大學 AQI 33 26°C PM2.5 6

AI 回覆桌面通知

AI 助教回覆完成時顯示桌面通知

聊天訊息通知

同學在討論區發送訊息時通知

聲音通知

每當有新通知時播放提示音

EMI Toolkit / 教學法文章 / 第 45 篇
📊 數位學習 📄 實證教學法 ⏱ 約 9 分鐘

課堂即時反饋:重點不是按了沒,是按完有沒有討論

Classroom Response Systems (Clickers)

兩篇獨立統合分析:即時答題系統對投入/情意的效果近中等,對認知成效則取決於用法——搭配同儕討論(解釋並辯護答案)效果遠大於純講授中使用;它同時也讓教師更準確掌握學情。

本文依據的研究
Hunsu, N. J., Adesope, O., & Bayly, D. J. (2016). A meta-analysis of the effects of audience response systems (clicker-based technologies) on cognition and affect. Computers & Education, 94.
https://www.sciencedirect.com/science/article/abs/pii/S0360131515300853
Chien, Y.-T., Chang, Y.-H., & Chang, C.-Y. (2016). Do we click in the right way? A meta-analytic review of clicker-integrated instruction. Educational Research Review, 17.
https://www.sciencedirect.com/science/article/pii/S1747938X15000500
🧪
在 Uedu 上實證這個教學法
本文的教學法可在 Uedu 平台實作並驗證成效:即時互動/彈幕答題 + 同儕討論後二次作答 · 一答 vs 二答正確率、投入度、單元後測。 教師可據此設計一個小型準實驗(前後測或組間對照),用平台資料檢驗成效。

一句話重點

課堂即時反饋系統(clickers/學生反應系統)的價值不在按下按鈕本身,而在按完之後發生的事。統合分析顯示:單純讓全班即時作答,對認知學習只有小效果;但若在作答後加入同儕討論——要求學生解釋並辯護自己的答案——再二次作答,學習優勢便明顯放大。即時反饋同時也是給教師的鏡子:它能大幅修正教師對學情的誤判。

研究發現了什麼

兩篇 2016 年發表的獨立統合分析,從不同角度檢驗了即時反饋系統的成效。

Hunsu、Adesope 與 Bayly(2016,Computers & Education 94:102-119)整合了 53 個實驗/準實驗、111 個效果量、26,095 名參與者(以高等教育為主)。結果出乎許多人意料:

  • 認知學習成效僅有「小效果」,且集中在高階成效(批判思考、知識應用);對低階的知識保留幾乎沒有效果
  • 非認知/情意成效(投入、參與、自我效能、出席)則有「近中等」效果,明顯大於認知面。

Chien、Chang 與 Chang(2016,Educational Research Review 17:1-18)則聚焦「clicker 整合教學」,發現其學習優勢具實證穩健性,超越新奇效應與機械記憶,整體效果量約 g≈0.49(中等)。但效果強烈受教學法調節搭配協作式同儕討論(要求學生解釋與辯護答案)的效果,遠大於在純講授中使用;而在純講授中使用 clicker,相較舉手、答題卡等低科技方法,並無明顯優勢

兩篇統合分析的數字不可互相誤植

Hunsu 等人(2016)的結論是「認知小效果、情意近中等」,並未報告 g≈0.49;g≈0.49 是 Chien 等人(2016)針對「clicker 整合教學」的整體估計。兩篇取樣與分析框架不同,引用時請分開陳述,不要混用。

輔助證據來自 Zhu 與 Urhahne(2018,Learning and Instruction 58:255-262)——這是單一準實驗(無效果量,證據等級較低):20 班、459 名六年級數學生、為期 5 週。clicker 組學生學得更多,且教師對學生表現的判斷準確度大幅提升:在 25 題測驗中,教師判斷偏差從 10.43 題降至 4.14 題。即時反饋不只幫學生,也讓教師更準確掌握學情。

證據品質警訊:對純認知成效宜保守

2025 年 Nature 旗下 Humanities & Social Sciences Communications 的 PRISMA 質性系統性回顧(從 653 篇篩到 11 篇)指出,文獻對學生反應系統(ARS)如何貢獻學業表現「無共識」,且多數研究方法學不夠嚴謹。合理的定調是:對投入與情意的證據較穩,對純認知成效應保守看待——關鍵在「怎麼用」(是否搭配同儕討論),而非「有沒有用」。

教師可以怎麼做

1. 出「會分裂全班」的概念題

即時答題的價值在暴露迷思概念。設計選項時把常見錯誤想法寫成誘答項,目標是第一輪正確率落在 30%–70% 之間——太高太低都沒有討論空間。

2. 第一輪:全班獨立作答

讓每位學生先自己想、自己選,再公布全班分布。匿名顯示分布能降低答錯的社交成本,也讓學生看見「原來不只我這樣想」。

3. 安排同儕討論:解釋與辯護

這是 Chien 等人(2016)指出的效果放大器。請學生找一位答案不同的同學,互相說明「我為什麼選這個」,並嘗試說服對方。沒有這一步,clicker 不比舉手好。

4. 第二輪作答,比較兩次分布

討論後再答一次同一題,把一答與二答的正確率並排呈現。正確率上升是討論有效的即時證據;若沒有上升,代表迷思概念很深,值得當場講解。

5. 把分布當成「教師的回饋」

呼應 Zhu 與 Urhahne(2018):即時分布是修正教師判斷偏差的工具。每次下課前用 1–2 題快速檢核,據此調整下週進度,而不是憑印象認定「大家應該都懂了」。

搭配 Uedu 工具

即時互動/彈幕 + 線上測驗

在 Uedu 課堂中用即時互動/彈幕搭配線上測驗系統進行全班即時答題:投出概念題 → 學生手機作答 → 立刻顯示全班分布。接著安排 2–3 分鐘同儕討論(要求學生解釋為什麼選這個答案),再開放二次作答。成效指標可直接從平台取得:一答 vs 二答的課堂正確率變化(討論增益)、投入度(作答率、彈幕參與),以及單元後測成績——正好對應統合分析區分的情意面與認知面兩類成效。

AI 自動出題降低備課成本

AI 自動出題從教材生成概念題初稿,教師只需把選項改寫成常見迷思概念的誘答項;再以 Bloom 認知層次分析檢查題目是否落在「應用、分析」等高階層次——Hunsu 等人(2016)顯示即時反饋的認知效果正是集中在高階成效。

一個可立即試做的小活動

下週上課挑一個學生最常誤解的概念,出一題四選一,跑完整的「一答 → 討論 → 二答」循環,全程約 8 分鐘。下課後比較兩輪正確率:若二答明顯上升,你已親眼看見同儕討論的調節效果;同時對照你課前預估的正確率與實際分布,體驗一次「教師判斷被即時資料修正」的過程。

結語

即時答題系統是放大鏡,不是引擎——它放大的是你課堂裡原本就有(或沒有)的同儕對話。先讓學生獨立作答、再讓他們為答案辯護、然後二次作答;按鈕只是入口,解釋與辯護才是學習發生的地方

給教師的提醒:本文為教學參考,所引研究多為特定情境(學科、國別、班級規模)下的質性或相關性研究, 其「教學功能」與「策略」屬於可遷移的原則而非保證成效的處方。請依您的學科特性、學生組成與課程目標調整運用。
回到所有 EMI 教學法文章