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 41 篇
🎯 數位學習 📄 實證教學法 ⏱ 約 8 分鐘

精熟學習:學會了才前進,平均提升半個標準差

Mastery Learning

設過關門檻、未達標補救重測的精熟學習,103 個考試成績研究平均效果 0.52 SD(第 50 → 70 百分位);高精熟標準子群連標準化測驗也有 0.60 SD——堅持門檻、提供再學的機會,才是效果來源。

本文依據的研究
Kulik, C.-L. C., Kulik, J. A., & Bangert-Drowns, R. L. (1990). Effectiveness of mastery learning programs: A meta-analysis. Review of Educational Research, 60(2).
https://journals.sagepub.com/doi/10.3102/00346543060002265
🧪
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:測驗系統設過關門檻 + AI 出題產平行重測卷 · 過關嘗試次數/最終達標率/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

精熟學習(Mastery Learning)的核心主張很簡單:不是每個學生都要在同一時間學會,而是每個學生都要學會才前進。教師先設定明確的過關標準(例如單元測驗 80%),未達標的學生接受補救教學與重測,直到精熟為止。這個源自 Bloom 的傳統做法,是教育研究中效果量最穩定的教學法之一——平均可讓學生成績提升約半個標準差。

研究發現了什麼

最具代表性的證據來自 Kulik, Kulik & Bangert-Drowns(1990)發表於 Review of Educational Research(60(2):265-299)的統合分析。針對 103 個以考試成績為結果的研究,精熟學習的平均效果量為 0.52 SD(SE = 0.033)

0.52 個標準差是什麼概念?相當於把第 50 百分位的學生提升到第 70 百分位——原本表現中等的學生,在精熟學習的班級裡可以超越七成同儕。

更值得注意的是調節變項分析。在「高精熟標準、非社會科學課程」的子群中,效果更明顯:

  • 本地測驗(教師自編,與課程目標對齊):0.73 SD
  • 標準化測驗:0.60 SD

這組數字傳達兩個訊息:第一,過關標準設得越嚴謹,效果越好——精熟學習不是「降低門檻讓大家過」,而是「堅持門檻並提供再學的機會」。第二,效果不只出現在與教學內容直接對齊的本地測驗上,連標準化測驗也有 0.60 SD 的提升,代表學到的不是應試技巧,而是扎實的能力。

引用數字時請注意

該統合分析的總研究池為 108 篇,但 0.52 SD 來自其中 103 個「考試成績」子集。引用時請勿把「108 篇研究」與「0.52 效果量」直接綁在一起混用,兩個數字對應的範圍不同。另外,本文同時呈現本地測驗(0.73)與標準化測驗(0.60)兩個子群數值,不應只引用較高的 0.73 而省略其餘脈絡

教師可以怎麼做

1. 切分單元、明訂過關標準

把課程切成 1-2 週可完成的小單元,每個單元寫出具體可測的學習目標,並公告過關標準(建議 80% 以上)。研究顯示高標準才是效果的來源,不要因為擔心學生壓力而把門檻降到 60%。

2. 形成性測驗,不算成績

每單元結束安排形成性測驗,明確告知學生:這次測驗的目的是診斷而非評分。未達標不扣分,但必須完成補救後重測。

3. 補救教學要「換方法」,不是「再講一次」

對未達標的學生,提供與第一次教學不同的材料:替代講義、影片、同儕教學、練習題組。原方法沒讓學生學會,重複一次通常也不會。

4. 重測用平行題本

重測題目應測同樣的目標但換題目,避免學生靠背答案過關。達標後才開放下一單元的進度。

5. 給先達標的學生加深任務

精熟學習常見的疑慮是「快的學生在等慢的」。為先過關的學生準備延伸挑戰題或同儕教學任務,讓等待時間變成深化時間。

搭配 Uedu 工具

線上測驗系統 + AI 自動出題

用 Uedu 的線上測驗系統為每個單元建立形成性測驗,設定過關門檻(如 80%);搭配 AI 自動出題快速產生補救練習與平行重測題本,解決精熟學習最大的實務痛點——「每次重測都要重新出題」。未達標的學生派發補救練習後再重測,直到達標才進入下一單元。成效追蹤三個指標:過關所需嘗試次數(補救效率)、最終達標率(多少比例的學生真正精熟)、單元後測分數(與未實施精熟流程的單元或班級比較)。

ClassroomGPT 課程助教

補救階段讓未達標學生與 ClassroomGPT 針對錯題概念對話釐清,等於為每位學生配置 Bloom 設想中的「個別補救教師」;教師再從 Bloom 認知層次分析檢視學生卡關的是記憶層還是應用層,調整補救材料的難度。

一個可立即試做的小活動

挑一個下週要教的單元,用 AI 自動出題產生 10 題形成性測驗 + 一份平行題本。課堂宣布規則:「8 題以上過關;未達標者完成補救練習後可重測,重測達標即視同過關。」一個單元就能跑完一輪完整的精熟循環,並拿到第一批嘗試次數與達標率資料。

想先了解理論基礎,可參考教育理論工具箱(/pedagogy)行為主義群的「精熟學習」理論卡——本文是該理論的方法實作版。

結語

精熟學習把「時間固定、學會與否隨人」翻轉成「學會是固定的,時間因人而異」——堅持 80% 的門檻、提供換方法的補救與重測,平均就能把中等學生推進到第 70 百分位。

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