非 STEM 背景學習 AI：多元混合 cohort AIED 計畫證據
arXiv - Computers and SocietyValentina Kuskova, Dmitry Zaytsev, Richard Johnson
證明非 STEM 學生與成人參與 AI 課程，透過倫理與情境式學習可顯著提升自信與實務相關性，強調倫理判斷為核心學習成果。
AI 幫你先抓重點
AI 重點 1
倫理導向的學習設計是提升非 STEM 學習者 AI 參與度的關鍵。
滑鼠懸停看 AI 判斷理由
將焦點從技術技能轉向人本倫理與情境推理，能擴大學習者基礎並符合工作與公共議題需求，改變傳統 AI 教學模式。
AI 重點 2
混合 cohort 與 near‑peer 指導能有效促進學術自主與批判性思考。
滑鼠懸停看 AI 判斷理由
證明多元背景與同儕導師可激發學習者的自我調節與批判性參與，為設計多樣化學習環境提供實證依據。
核心研究發現
- 1
量化調查顯示，所有 cohort 參與者在 AI 自信與實務相關性上均有顯著提升。
- 2
質性分析顯示，學習者更重視責任、判斷與情境推理，而非純技術掌握。
- 3
教師與近端導師報告，對話式與情境式學習活動促進高參與度與挑戰性。
對教育工作者的啟發
實務建議包括：①在課程中嵌入倫理腳手架，設計情境式討論與案例分析；②利用 near‑peer 指導與對話式學習，提升學術自主與批判性思考；③強調責任與判斷，將倫理判斷納為核心學習成果；④為成人與非 STEM 學習者提供彈性學習路徑與實務導向評量，確保學習成效與職涯轉換。
原始文獻資訊
- 英文標題：
- Learning AI Without a STEM Background: Mixed-Methods Evidence from a Diverse, Mixed-Cohort AIED Program
- 作者：
- Valentina Kuskova, Dmitry Zaytsev, Richard Johnson
- 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。