114 年 國立政治大學教育學系碩士班《教育學》

本題主要在考驗考生對於統計數據的解讀能力，以及如何運用統計方法來驗證研究假設。考生需要根據提供的平均數、標準差與相關係數，判斷記憶術訓練是否顯著提升學生的學業成績。

解題思路：

1. 理解研究假設： 研究假設是「記憶術可以提高學生的學業成績」。這是一個關於兩個相關樣本（訓練前與訓練後）平均數差異的假設。

2. 分析提供的數據：

   • 平均數 (Mean)： 訓練後平均數 (83) 高於訓練前平均數 (73)。初步看來，成績有提升的趨勢。
   • 標準差 (Standard Deviation)： 訓練後的標準差 (5.87) 小於訓練前的標準差 (9.19)。這表示訓練後學生的成績分布較為集中，變異性較小。
   • 相關係數 (Correlation Coefficient)： 訓練前與訓練後成績的相關係數 r = 0.1236。這個數值非常接近 0，表示訓練前與訓練後的成績之間幾乎沒有線性關係。

3. 判斷統計顯著性：

   • 雖然平均數有提升，但僅憑平均數的差異不足以支持研究假設。我們需要進行統計檢定，例如配對樣本 t 檢定 (paired t-test)，來判斷這個平均數的差異是否具有統計上的顯著性。
   • 提供相關係數 (r = 0.1236) 是一個重要的線索。一個非常低的相關係數（接近 0）意味著，即使我們知道某位學生訓練前的成績，也很難預測他訓練後的成績。這削弱了「訓練」這個介入措施與成績提升之間的直接聯繫。如果訓練真的有效，我們預期在控制了個體差異後，訓練前後的成績會有較強的正相關（即原本成績好的學生，訓練後成績依然好；原本成績較差的學生，訓練後成績也有所提升）。

4. 綜合分析與結論：

   • 平均數差異： 訓練後平均數 (83) 比訓練前 (73) 高出 10 分，這看起來是一個不錯的提升。
   • 標準差變化： 標準差的降低可能意味著訓練有助於穩定學生的學習表現，但這本身不直接證明成績提升。
   • 相關係數： r = 0.1236 是一個非常關鍵的數據。如此低的相關係數，尤其是在配對樣本的情況下，強烈暗示了訓練前後的成績並非穩定地呈現正相關。這意味著，雖然整體平均數有所上升，但這種提升可能不是由記憶術訓練直接、穩定地造成的，或者訓練效果因人而異，無法在整體上建立穩定的因果關係。例如，可能是因為部分學生進步幅度較大，而另一些學生進步幅度不大甚至退步，拉低了整體相關性。
   • 統計檢定（推論）： 雖然題目沒有要求進行實際的 t 檢定計算，但根據提供的資訊，我們可以推論：

本題旨在評估考生對於新興科技（Chat-GPT）在教育現場的應用，以及連結其影響至特定學習理論的能力。考生需要選擇一個適合的學習理論，並從該理論的視角分析 Chat-GPT 的優缺點對學生學習的影響。

解題思路：

1. 選擇合適的學習理論：

   • 行為主義 (Behaviorism)： 強調學習是刺激與反應的連結，透過增強來塑造行為。Chat-GPT 提供的即時回饋（讚美、糾正）可視為一種增強。
   • 認知主義 (Cognitivism)： 強調學習是心智訊息處理的過程，包括記憶、理解、問題解決等。Chat-GPT 能夠提供資訊、解釋概念、協助組織思緒，這與認知學習歷程相關。
   • 建構主義 (Constructivism)： 強調學習者主動建構知識，而非被動接收。Chat-GPT 可以作為學習者探索、提問、反思的工具，支持其知識建構。
   • 社會學習理論 (Social Learning Theory, 如 Bandura)： 強調觀察、模仿、增強，以及自我效能。Chat-GPT 本身不是社會互動對象，但其提供的資訊和示範，可能間接影響學生的自我效能感或學習策略。
   • 連結主義 (Connectivism)： 強調學習發生在網絡中，知識存在於連結之間。Chat-GPT 作為一個強大的資訊節點，可以幫助學習者連結更多資訊和資源。

   建議選擇： 認知主義或建構主義通常是較為貼切且能深入探討 Chat-GPT 影響的理論。這裡以「建構主義」為例進行說明。

2. 分析 Chat-GPT 的「好」與「壞」的影響（從建構主義視角）：

   • 好的一面 (支持知識建構)：

     • 資訊獲取與探索： Chat-GPT 可以快速提供學生感興趣的資訊，作為其主動探索和建構新知識的起點。學生可以就某個主題提出各種問題，獲取不同角度的資訊。
     • 概念理解與澄清： 當學生遇到難以理解的概念時，Chat-GPT 可以用不同的方式解釋，提供類比或範例，幫助學生將新資訊融入現有知識結構，達成意義學習。
     • 問題解決的協作夥伴： 學生可以與 Chat-GPT 討論問題，提出假設，驗證想法，Chat-GPT 扮演一個「虛擬的討論夥伴」，鼓勵學生主動思考解決方案，從而建構解決問題的能力。
     • 激發好奇心與探究： Chat-GPT 的即時互動和豐富內容，可能激發學生的好奇心，驅使他們進一步探究，主動建構更深入的理解。

   • 壞的一面 (阻礙知識建構或造成不良學習習慣)：

     • 過度依賴，阻礙獨立思考： 學生可能過度依賴 Chat-GPT 提供現成的答案，而放棄獨立思考、深入探究的過程，這與建構主義強調的主動學習精神相悖。他們可能只是「複製貼上」，而非真正「建構」。
     • 淺層理解與表面知識： 如果學生只是快速獲取答案，而沒有經過深入的思考、反芻和與既有知識連結，可能只形成淺層的理解，知識不夠紮實。
     • 資訊的準確性與偏差： Chat-GPT 的資訊可能存在錯誤或偏差，如果學生缺乏批判性思維，未經查證就照單全收，將建構起錯誤的知識。
     • 缺乏真實的合作與社會互動： 建構主義也強調學習的社會性。Chat-GPT 是一個虛擬工具，無法取代真實的人際互動和合作學習，學生可能因此失去從同儕和教師那裡獲得觀點、協商意義的機會。

核心觀念

本題考查「雙語教育政策」的政策分析能力，重點包括：

1. 雙語教育（bilingual education）：透過兩種語言作為學習、溝通與課程活動的媒介，培養學生的學科能力與語言能力。
2. 全英語授課（English-medium instruction, EMI）：以英語作為主要教學語言，尤其適用於英語課程，但實施時須考量學生程度與教師專業能力。
3. 學科內容與語言整合學習（Content and Language Integrated Learning, CLIL）：同時教授學科知識與語言能力，常見於以英語教授數學、自然科學等非語言學科。
4. 教育公平與差異化教學：政策不能只追求語言使用比例，還須避免城鄉、家庭社經地位、學校資源與學生能力差異擴大。
5. 教育政策實施：政策效果取決於目標是否清楚、教師是否具備能力、資源是否充足，以及學校是否有足夠的自主調整空間。

本題的關鍵政策調整是：一般學科教師不再被要求以英語授課，但英語課程仍以全英語為目標，並透過校園英語環境與社區資源增加學生使用英語的機會。

解題方法

本題適合採用「政策內容界定—正面影響—負面影響—立場判斷—配套建議」的結構。

首先，指出政策並非取消雙語教育，而是將「學科教師全面以英語授課」調整為「英語課程維持較高英語使用量，其他學科依教師與學生條件彈性實施」。接著從學校、教師、學生與社區四個層面分析影響，最後提出有條件的支持立場。

高分答案必須同時處理兩項要求：

• 說明政策能否提升英語學習品質。
• 分析政策是否會產生教育不平等、教師負擔增加與學科學習受損等問題。

因此，不能只寫「全英語有助於提升英語能力」，也不能只批評「學生程度不同所以不可行」，而應提出兼顧理想與現實的實施原則。

政策可能帶來的正面影響

一、降低非英語科教師的語言與教學壓力

若所有學科教師均被要求以英語授課，教師除了必須掌握學科知識，還須具備足夠的英語表達、課堂互動與教學設計能力。部分教師可能因英語能力不足而降低教學品質，甚至將大量時間用於翻譯教材與準備語句。

取消一般學科教師的強制要求，可以使教師回到專業分工，將主要精力放在學科概念、教學策略與學生學習成效上。對學校而言，也能減少形式化雙語教學，例如教師僅以簡單英語指令授課，實際上卻未能提升學生理解。

二、提高英語課程的目標清晰度

英語課程若以英語作為主要使用語言，學生可在聽力、口語、閱讀與課堂互動中持續接觸英語。相較於只在考試中學習文法與單字，全英語課程較能培養實際溝通能力。

不過，全英語並不代表教師完全禁止使用中文。有效的語言教學應依學生程度採取適當的鷹架，例如圖片、動作、示範、重述、關鍵字整理與必要的中文說明。政策重點應是增加有意義的英語互動，而不是追求表面上的英語比例。

三、促進學校形成英語使用情境

政策鼓勵學校建立英語友善環境，例如：

• 校園公告、指標與生活用語增加英語使用。
• 透過晨光時間、社團、營隊與主題活動提供英語互動。
• 邀請外籍教師、社區人士、大專院校及民間團體參與。
• 依地方特色設計在地文化、觀光、環境與社區議題的英語活動。

這些措施能使英語從單一學科轉化為實際溝通工具，增加學生接觸英語的頻率與情境真實性。

四、增加學校課程自主與因地制宜的空間

不同學校的學生組成、師資、設備與社區資源差異甚大。由中央統一規定所有學科使用英語，容易忽略地方條件。調整後，學校可以依自身能力決定推動範圍，例如先從部分課程、社團、校本活動或跨領域主題開始。

此種彈性有助於形成較符合學校需求的雙語方案，也能降低政策只重視形式、不重視學習結果的問題。

政策可能帶來的負面影響

一、英語課程全面英語化可能造成理解落差

學生英語程度並不一致。若英語課完全以英語進行，低成就學生、學習障礙學生、新住民子女及缺乏家庭英語支持的學生，可能因無法理解教師指令而失去學習信心。

因此，英語課應採用分級與差異化教學，並搭配視覺提示、分組合作、重複練習、語音支援與形成性評量。政策若只規定「全英語」，卻未提供教學方法與學習支持，容易造成英語程度較弱學生被排除。

本題考驗考生對於教育評價理論的掌握，特別是 CIPP 評價模式的理解，以及如何將其應用於具體的教育情境（教師專業學習社群）進行分析。

CIPP 評價模式內涵：

CIPP 是一個由 Daniel Stufflebeam 提出的綜合性評價模式，其名稱是四個評價面向的首字母縮寫：

• C (Context) - 背景 (或稱情境) 評估 (Context Evaluation)： 旨在了解教育計畫或組織所處的環境、需求、問題、機會、資源限制等，以確定評價的目標、優先順序和計畫的適當性。它回答「我們需要什麼？」的問題。
• I (Input) - 輸入 (或稱資源) 評估 (Input Evaluation)： 旨在評估計畫或組織用來達成目標的現有資源（人力、物力、財力、時間、知識、技能等）的品質、數量及適配性。它回答「我們如何達成目標？」的問題，即選擇最佳的策略和方案。
• P (Process) - 歷程 (或稱過程) 評估 (Process Evaluation)： 旨在監控計畫的執行過程，收集計畫實施過程中出現的問題、進展、偏差等資訊，以便及時調整和改進計畫。它回答「我們是否按照計畫執行？」的問題。
• P (Product) - 產出 (或稱成果) 評估 (Product Evaluation)： 旨在評估計畫的最終成果，包括直接產出（如學生成績、教師技能提升）和間接產出（如對學校文化、組織效能的影響），以及這些成果是否達到了預期目標。它回答「計畫是否成功？達成了什麼目標？」的問題。

CIPP 模式的特點是強調決策導向和改進導向，而非僅僅是總結性評價。它是一個循環過程，背景評估為輸入決策提供依據，輸入評估為過程決策提供方案，過程評估為產出決策提供實施資訊，而產出評估則為未來的背景評估提供反饋。

運用 CIPP 模式評價學校「教師專業學習社群 (Professional Learning Community, PLC)」之運作：

教師專業學習社群 (PLC) 是一個由教師組成的、為了提升教學效能、促進專業成長而進行持續學習、合作與分享的團體。運用 CIPP 模式來評價其運作，可以系統性地分析 PLC 的有效性。

1. 背景 (Context) 評估：

   • 目的： 了解學校推動 PLC 的必要性、目標及所面臨的環境。
   • 評估內容：
     • 學校需求與挑戰： 學校在學生學習成效、教師專業發展、教學創新等方面面臨哪些具體問題或需求？PLC 是否能有效回應這些需求？
     • 現有教師專業發展機制： 學校現行的教師培訓、研習、分享機制是否足夠？PLC 是否能填補現有機制的不足？
     • 學校文化與支持： 學校領導層對 PLC 的支持程度如何？學校文化是否鼓勵教師合作、分享與冒險？是否存在阻礙 PLC 運作的因素（如時間壓力、競爭文化）？
     • PLC 的目標設定： PLC 的設立目標是否清晰、具體、可衡量，並與學校整體發展目標一致？
   • 決策導向： 確定 PLC 的設立是否必要、目標是否適切、優先級別如何，以及需要哪些外部支持。

2. 輸入 (Input) 評估：

   • 目的： 評估為建立和維護 PLC 所需的資源和策略。
   • 評估內容：
     • PLC 組織架構與成員： PLC 的成員組成是否合理（如跨年級、跨學科、不同經驗層級的教師）？PLC 的規模是否適當？是否有明確的領導者或協調者？
     • 時間與空間資源： 學校是否為 PLC 提供了固定的、充足的會議時間？是否有適合 PLC 討論與合作的空間？
     • 人力與專業支援： 是否有專人負責 PLC 的組織協調？是否提供外部專家（如課程專家、研究員）的支援？
     • 學習資源與工具： PLC 是否有足夠的教學資源（如課程綱要、教學材料、研究文獻、線上學習平台）？
     • 策略選擇： 學校採用了哪些策略來建立和推動 PLC（如：共同備課、觀議課、案例分析、行動研究）？這些策略是否經過評估，是最適合達成 PLC 目標的？
   • 決策導向： 選擇最優質、最有效的資源配置方案和執行策略，以確保 PLC 的順利開展。