航行規則的適應性訓練研究
arXiv - Human-Computer InteractionAmit Dutta, Sushil J. Louis
研究證實透過調整情境難度與即時回饋的適應性模擬訓練，能顯著提升學生的學習成效與參與度。
AI 幫你先抓重點
AI 重點 1
動態難度調整與即時情境回饋的協同作用
滑鼠懸停看 AI 判斷理由
這項研究強調了單純的數位化模擬是不夠的，真正的學習增益來自於系統能根據學習者狀態調整難度，並提供具備情境感的即時回饋，這對於設計高風險專業技能的模擬教學至關重要。
AI 重點 2
學習成效與學習參與度的雙重提升
滑鼠懸停看 AI 判斷理由
傳統教學往往在「學習成效」與「學習動機」之間取捨，但本研究顯示適應性技術能同時優化這兩者，這為教育科技開發者提供了一個強而有力的設計方向：技術應同時服務於認知負荷與情感參與。
核心研究發現
- 1
接受適應性訓練的學生在後測成績上顯著優於非適應性組別（p < 0.0001），證明了適應性教學的有效性。
- 2
在學生問卷調查中，73% 的受訪者認為適應性訓練器比非適應性版本更有效。
- 3
適應性訓練在提升參與度方面表現優異，有 22% 的學生給予「非常投入」的高評價，遠高於非適應性組別的 9%。
對教育工作者的啟發
教育工作者在設計專業技能訓練（如航海、駕駛或醫療模擬）時，應從「靜態內容提供」轉向「動態適應性設計」。具體建議包括：1. 整合 AI 或演算法來監測學習者的表現，並即時調整模擬情境的複雜度，以維持在「近側發展區（ZPD）」內學習；2. 提供具備情境感的即時回饋，而非僅是正確與否的判斷，幫助學習者建立正確的心理模型；3. 在數位化課程中，應將「參與度」與「學習成效」作為共同的評量指標，確保技術應用能兼顧知識內化與學習動機。
原始文獻資訊
- 英文標題：
- Adaptive Training for Nautical Rules of the Road
- 作者：
- Amit Dutta, Sushil J. Louis
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。