讓學生與 ChatGPT 的互動透明化：為 EFL 寫作教學設計的教師儀表板
arXiv - Human-Computer InteractionMinsun Kim, Seon Gyeom Kim, Suyoun Lee, Yoosang Yoon, Junho Myung, Haneul Yoo, Jieun Han, Hyunseung Lim, Yoonsu Kim, So-Yeon Ahn, Juho Kim, Alice Oh, Hwajung Hong, Tak Yeon Lee
開發 Prompt Analytics Dashboard (PAD) 追蹤學生與 LLM 的互動，以支持 EFL 寫作教學的數據驅動決策。
AI 幫你先抓重點
AI 重點 1
從「監控行為」轉向「理解學習過程」的設計思維
滑鼠懸停看 AI 判斷理由
傳統的 AI 監控往往讓學生感到被監視，但此研究透過提供「微觀解釋」與「證據片段」，將重點從單純的違規檢測轉向對學習行為（如修改投入度）的理解，這對於建立信任的 AI 學習環境至關重要。
AI 重點 2
建立結構化的 Prompt 分析分類學（Taxonomy）
滑鼠懸停看 AI 判斷理由
這不僅僅是開發工具，更重要的是定義了如何量化「與 AI 的互動品質」。透過誤用訊號與目標一致性的分類，研究者為教育者提供了一套判斷學生是否在進行有效自主學習的標準框架。
核心研究發現
- 1
開發出 PAD 儀表板，能追蹤學生與 LLM 的對話紀錄及英文作文的修改歷程，提升教學透明度。
- 2
透過與六位 EFL 教師進行兩輪共同設計（Co-design），提煉出包含誤用訊號、目標一致性與修改投入度的追蹤分類法。
- 3
系統提供總覽、週次/成果篩選及帶有證據片段的細節檢視三種介面，並透過微觀解釋來降低過度監控的疑慮。
- 4
教師在使用後表示，該系統有效減輕了掃描學生進度的負擔，並能更精準地掌握介入教學的時機。
對教育工作者的啟發
教育者在引入生成式 AI 時，不應僅關注最終產出的作文品質，更應關注學生與 AI 的「互動過程」。建議課程設計者利用類似的數據儀表板，觀察學生是否僅是單純複製 AI 回應（誤用訊號），或是能根據 AI 建議進行深層修改（修改投入度）。透過觀察這些互動軌跡，教師可以從「事後評分」轉向「即時引導」，在學生遇到瓶頸或誤用 AI 時，能更精準地介入教學，從而提升學生的自主學習能力與寫作素養。
原始文獻資訊
- 英文標題：
- Student-ChatGPT Interaction Visible: Designing a Teacher Dashboard for EFL Writing Education
- 作者：
- Minsun Kim, Seon Gyeom Kim, Suyoun Lee, Yoosang Yoon, Junho Myung, Haneul Yoo, Jieun Han, Hyunseung Lim, Yoonsu Kim, So-Yeon Ahn, Juho Kim, Alice Oh, Hwajung Hong, Tak Yeon Lee
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。