AISSA：AI驅動學生幻燈片分析工具的實作與部署
arXiv - Human-Computer InteractionAlvaro Becerra, Diego Gomez, Ruth Cobos
開發 AISSA，結合 LLM 與學習分析儀表板，為大班口頭報告幻燈片提供即時可擴展回饋，促進學生迭代改進。
AI 幫你先抓重點
AI 重點 1
LLM 與學習分析儀表板的結合可在大班環境下實現即時、可擴展的幻燈片評估。
滑鼠懸停看 AI 判斷理由
此結合突破傳統人工評分的時間與人力限制，使教師能在課堂前即獲得全面回饋，改變了大班教學的評估模式，提升了回饋的及時性與一致性。
AI 重點 2
學生在使用 AISSA 後感受到具體、可操作的回饋，提升自我調節學習的動機與效能。
滑鼠懸停看 AI 判斷理由
AI 產生的結構化回饋直接對應評分規準，讓學生能針對性改進幻燈片，促進了自主學習與迭代實踐，進一步強化了形成性評量在學習過程中的價值。
核心研究發現
- 1
AISSA 能自動生成基於教師設定評分規準的定量分數與定性回饋，涵蓋幻燈片層級特徵與內容分析。
- 2
在 46 名本科生的試點中，系統顯示技術可靠、經濟可行，且能在實際課堂環境中順利部署。
- 3
學生普遍認為 AISSA 的回饋具體且可操作，對於幻燈片的迭代改進具有實際幫助。
- 4
結合 LLM 與學習分析儀表板的架構，證明能在大班教學中提供可擴展的形成性回饋，減輕教師工作負擔。
對教育工作者的啟發
為實務教育工作者提供可落地的實施路徑：首先確定清晰且可量化的評分規準，將其輸入 AISSA 系統；其次在小規模班級先行試點，收集學生與教師的使用感受，並根據回饋調整規準與回饋內容；再者，利用學習分析儀表板追蹤學生的迭代進度，將數據視覺化呈現給教師與學生，促進透明度與互動；最後，評估成本效益，確保系統在大規模課堂中的可持續性。這些步驟不僅能提升幻燈片質量，也能培養學生的自我調節與批判性思維。
原始文獻資訊
- 英文標題：
- AISSA: Implementation and Deployment of an AI-based Student Slides Analysis tool for Academic Presentations
- 作者：
- Alvaro Becerra, Diego Gomez, 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。