自動推斷教師幾何內容知識：基於技能的方法
arXiv - Computers and SocietyZiv Fenigstein, Kobi Gal, Avi Segal, Osama Swidan, Inbal Israel, Hassan Ayoob
利用大型語言模型與技能字典，自動分類教師 Van Hiele 階段，提升評估效率與準確度。
AI 幫你先抓重點
AI 重點 1
技能字典的加入顯著提升模型準確度，證明結合教育理論能有效指導 AI 評估。
滑鼠懸停看 AI 判斷理由
此洞察顯示領域知識與 AI 技術結合可突破傳統人工評分的瓶頸，為教育科技提供可擴展、可重複使用的評估框架。
AI 重點 2
RAG 與 MTL 兩種架構皆能利用技能資訊，顯示多任務學習與檢索增強生成在教育評估上的通用性。
滑鼠懸停看 AI 判斷理由
這說明不同 AI 方案皆可適應同一教育任務，實務者可依需求選擇更適合的模型，提升開發效率與應用彈性。
AI 重點 3
自動化 Van Hiele 分級可支持個別化教師學習系統，促進教師專業發展。
滑鼠懸停看 AI 判斷理由
此點強調評估結果可直接轉化為個別化教學建議，改變教師自我調整與學習策略的實務做法。
核心研究發現
- 1
建立 33 種細粒度推理技能的字典，將 Van Hiele 等級拆解。
- 2
透過 31 名預備教師的 226 答案，人工標註 Van Hiele 等級與技能，形成訓練資料。
- 3
RAG 與 MTL 兩種模型皆加入技能資訊後，性能顯著優於無技能基線，提升多項評估指標。
- 4
此研究為首個自動化 Van Hiele 分級方法，可擴展至大規模評估並支援個別化教師學習系統。
對教育工作者的啟發
此研究提供可直接套用於教師評估平台的技能字典與模型框架，教育工作者可利用 RAG 或 MTL 進行快速分級，並將結果作為個別化教學建議。教師可根據分級結果針對性提升推理技能，課程設計者則可將評估數據嵌入學習管理系統，實現即時反饋與自適應學習路徑。此外，研究亦示範了如何將技能字典與模型輸出整合至教師專業發展平台，並提供可視化報告，協助教師快速定位弱項並制定提升策略。未來可擴充至其他數學領域，並結合學習分析以追蹤教師學習成效。
原始文獻資訊
- 英文標題：
- Automatically Inferring Teachers' Geometric Content Knowledge: A Skills Based Approach
- 作者：
- Ziv Fenigstein, Kobi Gal, Avi Segal, Osama Swidan, Inbal Israel, Hassan Ayoob
- 來源：
- arXiv - Computers and Society
- 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。