人工智能（AI）正全面重塑全球教育生態。隨着AI工具廣泛應用於構思、撰寫及解題，傳統教學評核卻仍多集中於最終成果，難以全面反映學生的學習過程。如何確切掌握學生是否真正學有所成，成為教育界亟待解決的課題。
由香港教育大學（教大）領導的一項國際研究，為此提供嶄新視角。研究發現，學生在小組學習中雖然經常交流意見，但在整合觀點及提出解決方案等深層次環節投入時間不足。團隊強調，AI時代的教學評核必須兼顧「過程」與「成果」，方能培育學生獨立判斷、創意思維與深度理解能力。
本研究由教大課程與教學系助理教授巴深博士統籌，並與澳洲蒙納許大學、美國威斯康辛大學以及西北師範大學合作完成，成果已刊載於國際權威學術期刊《Computers & Education》。
為填補現有研究不足，團隊研發「學習動態分析法（Movement Analysis，簡稱MOVA）」，用以追蹤學生在探究、協作和解題過程中的學習軌跡。與傳統僅著重於最終論文、報告或匯報的評核方式不同，MOVA能夠捕捉學生整個動態學習旅程，提供他們在思考、協作、回應反饋及逐步形成想法過程中的客觀證據。此方法亦有助研究人員觀察學生在小組學習中的投入程度。透過追蹤學生在不同探究階段之間的「移動」，MOVA能揭示小組是積極探索並深化觀點，還是停留在靜態的討論模式。
研究團隊以一門大學課程線上討論記錄作為分析樣本，覆蓋108名學生、16個小組，共1,617條訊息。MOVA歸納出五大探究狀態 ：提問、探索、社交互動、整合以及解決方案。
研究亦比較了使用與未使用GPT-4聊天機械人的小組：
- 使用GPT-4聊天機械人的小組互動更豐富、更具動態性。他們更頻繁地在不同探究階段之間切換，展現更高階思維，並能從構想走向整合與應用。
- 未使用聊天機械人的小組則傾向停留在靜態討論，集中於社交或基礎探索，難以推進至整合或解決。
MOVA亦揭示了不同小組在學習上的差異。有些小組展現出更長、更具動態的學習歷程，反映持續的活動與更深入的思考；另一些則僅停留在基礎探索階段。這種循環、非線性的探究視角，能夠準確定位學習瓶頸，並揭示小組在由構想過渡至高階思維時所面臨的挑戰。
研究指出，教學評核應更重視「過程」，而不僅僅是「成果」。透過追蹤學生在探究過程中的「移動」，MOVA能提供學生如何思考、協作、回應反饋及逐步形成想法的證明。這種可視化的過程有助老師及時提供指導，引導學生養成反思能力、批判性思維與團隊協作能力。
巴深博士表示：「隨着AI改變學生的學習方式與學術作答模式，教學評核亦需要相應革新。我們必須理解成果背後的學習過程。MOVA提供了一套方法，幫助我們觀察學生如何與同儕、教師及AI協同學習。」
是項研究填補了協作學習、學習分析以及AI教育應用領域的研究空白，並標誌着AI時代教學評估的新方向——不僅要問「學生交出了什麼」，更要追問「學生是如何學習的」。
研究同時提供了具體證據，顯示如AI聊天機械人等智能工具，在提升教育中的協作探究與小組學習方面能發揮重要作用。透過支援認知、社交及教學過程，AI工具能幫助學生更深入投入學習，順利跨越複雜的探究階段，並取得更佳的學習成果。
