AICoFe：高等教育 AI 合作回饋系統實作與部署
arXiv - Human-Computer InteractionAlvaro Becerra, Alejandra Palma, Ruth Cobos
AICoFe 透過多模型 AI 與教師介入，提供可追蹤、可編輯的同儕回饋。
AI 幫你先抓重點
AI 重點 1
以人為中心的 AI 設計，讓教師保有回饋的主導權。
滑鼠懸停看 AI 判斷理由
此設計避免完全依賴 AI 產出，讓教師能根據學生背景與課程需求調整回饋，維持教學語境與個別化。
AI 重點 2
多模型集成降低回饋偏差，提升可靠度。
滑鼠懸停看 AI 判斷理由
結合 GPT‑4.1‑mini、Gemini 2.5 Flash 與 Llama 3.1 的優勢，可彌補單一模型的局限，產出更均衡、全面的回饋內容。
AI 重點 3
混合資料庫確保回饋可追蹤與版本管理。
滑鼠懸停看 AI 判斷理由
SQL 的結構化查詢與 MongoDB 的彈性文件存儲相結合，讓開發者與教師能快速定位回饋歷史，提升透明度與信任度。
核心研究發現
- 1
AICoFe 透過 GPT‑4.1‑mini、Gemini 2.5 Flash 與 Llama 3.1 的多模型管線，將量化評分表與質性觀察資料合成為結構化、可行的回饋。
- 2
系統採用教師‑在‑迴路（teacher‑in‑the‑loop）工作流程，教師透過專屬學習分析儀表板對 AI 草稿進行篩選、修訂，確保回饋符合教學目標。
- 3
資料基礎建置結合 SQL 與 MongoDB，既能追蹤每一次回饋版本，又能管理半結構化的回饋內容，提升可追蹤性與版本控制。
對教育工作者的啟發
實務工作者可先搭建多模型回饋管線，選擇 GPT‑4.1‑mini、Gemini 2.5 Flash、Llama 3.1 等模型，並在教師‑在‑迴路中加入學習分析儀表板，讓教師能即時審閱、修訂 AI 草稿。資料庫方面，採用 SQL 儲存結構化評分表，MongoDB 管理半結構化回饋版本，兩者結合可保證回饋可追蹤、版本可控。透過這種設計，教師不僅能節省批改時間，還能確保回饋質量與個別化，進而提升學生批判性反思與學習成效。
原始文獻資訊
- 英文標題：
- AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education
- 作者：
- Alvaro Becerra, Alejandra Palma, Ruth Cobos
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
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。