人機共生時代的智慧教育

當AI成為數位同伴

在外語寫作教學領域，如何提供及時且具個性化的回饋，一直是教師面對的重大挑戰。人工智能的出現，為此提供了新的可能。

語言及翻譯學院滕鋒副教授的一項研究，以40名大學生為樣本，探討ChatGPT在寫作教學中的應用效果。研究結果顯示，使用ChatGPT輔助寫作的學生，在學習動機與課堂參與度方面均有顯著提升。

更為關鍵的是，“後設認知意識”，即個體對自身思考過程的覺察與調節能力，在整個學習過程中發揮了核心作用。

後設認知較高的學生，將ChatGPT視為“數位同伴”。他們會主動評估AI反饋的質素，篩選適切建議，並在必要時質疑其合理性。相反，後設認知較弱的學生，較傾向被動接受甚至直接複製AI生成內容，因而錯失深化理解與內化知識的機會。

這項研究引人深思：AI並不直接決定學習成效，關鍵在於學習者能否與AI形成有效的“認知協作”。

學生為何對AI回饋說“不”？

在人機協作的學習過程中，AI的回饋並非總被欣然接受。應用科學學院韋衛副教授團隊與香港理工大學合作，針對第二語言學習者對AI回饋的回應行為進行研究。在45名電腦科學專業學生利用ChatGPT撰寫報告的過程中，研究發現近半數AI生成的回饋最終被學生拒絕採納，內容導向的回饋（如論證結構、證據運用）的拒絕率，明顯高於形式導向回饋（如語法與拼寫）。

為何會出現這種現象？研究團隊運用整合型科技接受模式（UTAUT），歸納出四個主要因素：AI回饋與學習者預期間的落差、回應回饋所需付出的認知負荷、AI建議與教師或同儕意見的矛盾，以及學習者自身語言能力或心理條件的限制。

值得注意的是，學生拒絕AI回饋往往是一種具判斷力的學習策略。他們會比較不同來源的意見，權衡修改成本，甚至主動維護自身寫作意圖。

研究成果對教育實踐具有重要啟示： AI輔助學習需在課程中融入AI素養的培養，教導學生如何有效提問、評估機器回饋的可信度，並在人類與機器建議之間作出理性取捨。

可解釋性AI評估學生認知能力

既然後設認知與AI素養如此關鍵，AI本身能否用來理解學習者的認知狀態？應用科學學院彭祥佑副教授團隊，聯同美國北亞利桑那大學、中國科學技術大學及福州大學，開展一項大規模研究。

研究利用五種AI模型進行教育數據建模，並結合四種可解釋性算法，分析逾千名大學新生的認知能力表現，嘗試打開預測模型的“黑盒”。

結果顯示，學生的自我認知與家長期望是影響認知能力的兩大關鍵因素。自覺數學能力較弱的學生，其整體認知表現顯著較低；而家長對學業的高度期望，則與學生認知能力呈正相關。

同時，不同可解釋性算法對變數重要性的判斷存在差異：部分算法對健康相關因素（如視力或情緒波動）較為敏感，另一些則更能捕捉變數之間的交互作用。這些差異反映出可解釋性AI在教育分析中的獨特價值，為教育者提供多維度的分析視角。

當教育者理解AI判斷背後的依據，便能更有策略地調整教學方法、設計介入措施，並及早識別需要支援的學生。

以人為本的智能教育願景

澳門理工大學長期致力於人工智能與教育交叉領域的科研與教學創新。上述研究共同回應了一個核心問題：在AI深度融入教育的今天，我們應如何建構真正以人為本的智慧學習環境？

科技發展日新月異，智慧教育面對的挑戰與機遇亦不斷演變。澳門理工大學聚焦培育具備AI素養、審辯思維與自主學習能力的人才，使技術真正服務於教育的核心使命，促進學生全面發展。

近年，大學開辦教育技術與創新博士學位課程，培養相關領域科研專才；與國際電機及電子工程師學會教育協會及其亞太區分會聯合主辦IEEE TALE 2025國際教育研討會，匯聚全球專家學者，探討AI在教育中的應用與發展。

在人機共生的時代，我們不僅關心學生能掌握多少知識，更關心他們如何思考、如何學習，如何在與智能系統的協作中，仍保有屬於人類的判斷力與創造力。澳理大正以嚴謹的研究，引領探索這些關鍵議題的無限可能。