edtechassessmentaihigher educationmetacognition

超越分數：可解釋智能評估提升預備教師評估素養

arXiv - Human-Computer InteractionYuang Wei, Fei Wang, Yifan Zhang, Brian Y. Lim, Bo Jiang

開發可解釋智能評估平台XIA，透過可視化認知診斷與對比說明，提升預備教師的評估素養與反思能力。

AI 幫你先抓重點

AI 重點 1

XIA平台透過可視化認知診斷及對比說明，有效提升預備教師從分數導向到證據導向的評估判斷能力。

滑鼠懸停看 AI 判斷理由
此為研究的核心突破，傳統教師培訓常缺乏將理論知識轉化為實際評估技能的橋樑。XIA提供的可解釋性評估，能幫助教師更深入理解學生學習狀況，並避免僅以分數作為唯一依據，提升評估的客觀性與精準度，對於教師培訓的改革具有重要意義。
AI 重點 2

前後測控制研究顯示，使用XIA能顯著提升預備教師的自我調節能力與評估意識，並減少評估錯誤。

滑鼠懸停看 AI 判斷理由
此研究結果具體展現了XIA的實用價值。透過量化數據與質性訪談的佐證，證明XIA並非只是提供評估結果，更重要的是能促進教師的反思與學習，提升其專業素養。這對於教育科技設計師而言，提供了一個有效提升教師評估能力的具體方案。

核心研究發現

  1. 1

    XIA提供的可解釋視覺化診斷，促進教師從單純分數轉向證據為基礎的判斷。

  2. 2

    研究顯示使用XIA後，教師的自我調節與評估意識顯著提升。

  3. 3

    XIA減少了教師在評估時的錯誤判斷，提升評估準確度。

  4. 4

    參與者在使用XIA後，能更有效地反思教學設計與學生表現。

  5. 5

    研究證實解釋性支架能將評估理論與實務教室緊密結合。

對教育工作者的啟發

1) 在教師培訓中加入可解釋評估工具，提供可視化診斷與對比說明；2) 透過反思練習，促進自我調節；3) 以證據為基礎的評估流程，減少分數依賴；4) 設計教學案例讓教師實際操作XIA，提升評估素養。

原始文獻資訊

英文標題：
Beyond Scores: Explainable Intelligent Assessment Strengthens Pre-service Teachers' Assessment Literacy
作者：
Yuang Wei, Fei Wang, Yifan Zhang, Brian Y. Lim, Bo Jiang
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
閱讀原文

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。