113 年 國立中山大學教育研究所碩士班《教育學》

此部分為考試說明，非正式考

本題主要在探討高等教育機構中的「校務研究」與「校務治理」的概念，並連結至台灣高等教育的現況，要求考生分析問題並提出解決方案。

核心觀念：

• 校務研究 (Institutional Research, IR)： 指大學內部為支持校務決策、規劃、管理與評鑑等活動，而進行的系統性資料蒐集、分析與詮釋的過程。其目的在於提供客觀、量化的資訊，以協助校方做出更明智的決策。
• 校務治理 (University Governance)： 指大學組織中，權力、責任與決策的分配模式與運作方式。涵蓋了大學如何被領導、管理、監督，以及如何與外部環境互動以達成其使命與目標。
• Evidence-based Decision Making (EBDM)： 以證據為基礎的決策模式，強調決策應建立在可靠的數據與研究結果之上，而非僅憑經驗或直覺。

解題步驟：

(1) 何謂校務研究 (IR)？ (5%)
校務研究 (IR) 是大學為提升決策品質、支援策略規劃、監控學術與行政效能、以及滿足外部評鑑與報告需求而進行的一系列系統性活動。它涉及資料的收集、分析、解釋與傳播，以提供關於學生、教職員、課程、財務、設施等各方面的洞察。其核心在於運用數據和分析方法，為校務人員提供客觀的決策支援。

(2) 校務治理的定義 (5%)
校務治理是指大學內部權力結構、決策機制、組織運作以及與外部利害關係人互動的體系。它規範了大學如何被管理、領導、監督，以及如何分配資源、制定政策、確保學術自由與社會責任。良好的校務治理能夠確保大學的永續發展，並有效達成其教育與研究使命。

(3) 臺灣高等教育目前大學校院面臨最迫切需要改進的問題為何以及如何解決？ (15%)
在臺灣高等教育的背景下，目前大學校院面臨最迫切的問題之一是「少子化衝擊下的招生與辦學困境」，以及隨之而來的「學術競爭力與國際化不足」。

• 問題分析：
  • 少子化衝擊： 台灣出生率持續下降，導致大學招生人數逐年減少，尤其是一些私立大學面臨嚴重的辦學危機，可能導致師資流失、課程縮減甚至停招。

本題要求考生從高等教育組織經營的發展策略角度，探討大學如何在少子化帶來的招生危機中，同時應對經營管理與人才培育的挑戰，並將危機轉化為轉機。

核心觀念：

• 少子化： 指生育率下降導致人口結構中年輕人口比例減少的現象。
• 高等教育組織經營： 指大學為達成其教育、研究、服務等使命，在資源獲取、分配、運用，以及內部管理、策略規劃等方面的活動。
• 人才培育： 指大學透過課程設計、教學方法、實習輔導等方式，培養學生具備知識、技能、態度與價值觀，以適應社會發展需求。
• 危機轉機： 指將面臨的困難或挑戰，轉化為發展契機的策略思維。

解題步驟：

面對少子化所帶來的招生不足與經營危機，大學可以從以下幾個面向展開策略：

一、 經營管理層面的因應策略：

1. 多元化招生管道與目標客群：

   • 拓展國際生源： 積極招收來自不同國家、具潛力的國際學生，提供全英語授課學位、優質的學習環境與生活支持。
   • 發展在職專班與進修學位： 針對社會人士、在職專業人士，開設符合其進修需求的學位或證照課程，滿足終身學習的需求。
   • 與高中職建立夥伴關係： 透過預修課程、技職技優合作、學術講座等方式，提早接觸並吸引有潛力的高中職學生。
   • 發展短期課程與非學位課程： 開設符合市場需求的短期訓練課程、工作坊、線上課程等，吸引更廣泛的學習者。

2. 優化資源配置與成本效益：

   • 資源整合與共享： 鼓勵校內各單位、系所之間的資源共享，例如圖書館、實驗室、行政系統等，降低營運成本。
   • 智慧校園建設： 導入數位科技，提升行政效率，例如線上報名、數位學習平台、智慧圖書館等。
   • 審慎評估與調整學術單位規模： 考量招生狀況與學術發展潛力，彈性調整部分系所的規模，或進行跨領域整合。

3. 提升大學品牌與市場競爭力：

   • 強化特色與差異化： 聚焦發展具備優勢的學術領域，如特定科技、人文藝術、在地文化、健康照護等，打造獨特品牌。
   • 提升學術聲譽與研究能量： 鼓勵教師進行高品質研究，爭取國家級與國際級研究計畫，提升學術影響力。

本題主要探討生成式人工智慧 (Generative AI) 在教育領域的應用，包括其優缺點、教師如何調整教學策略以善用 AI 促進學生學習，以及這些策略與教育心理學理論的連結。

核心觀念：

• 生成式人工智慧 (Generative AI)： 指能夠生成新內容（文字、圖像、音訊、程式碼等）的 AI 模型，如 ChatGPT。
• 教育的利與弊： 探討 AI 應用於教育時可能帶來的正面與負面影響。
• 教學策略調整： 思考教師如何因應 AI 發展，改變教學方法以提升學習成效。
• 教育心理學理論： 連結 AI 應用與教育心理學相關理論，如認知心理學、行為主義、社會認知理論、學習動機等。

解題步驟：

(一) AI 在教育的利與弊 (10%)

• 利 (Pros)：

  1. 個人化學習體驗： AI 可根據學生的學習進度、風格、強弱項，提供客製化的學習內容、練習題與回饋，提升學習效率。例如，AI 導師可以針對學生在某個數學概念上的困難，提供額外的解釋和練習。
  2. 提升學習資源可及性： AI 可以協助翻譯、摘要、生成學習資料，讓學習內容更易於理解和獲取，尤其有利於跨語言學習或有特殊學習需求的學生。例如，AI 可將複雜的學術論文轉化為易懂的摘要。
  3. 輔助教師教學與減輕負擔： AI 可協助教師批改作業（如選擇題、簡答題）、生成測驗題目、提供學生學習數據分析，讓教師能將更多時間投入於個別輔導和課程設計。例如，AI 可自動批改大量選擇題，並標示出學生常見的錯誤。
  4. 激發學習興趣與創造力： AI 工具（如圖像生成器）可作為創意發想的輔助，鼓勵學生進行探究式學習和專案製作。例如，學生可以用 AI 繪製出科幻小說中的場景。
  5. 即時回饋與互動： AI 聊天機器人可提供 24/7 的學習諮詢與問題解答，即時解決學生的疑惑。

• 弊 (Cons)：

  1. 學術誠信問題： 學生可能利用 AI 直接生成論文、報告或作業答案，導致抄襲與作弊，影響學習成效評估。例如，學生直接提交由 ChatGPT 生成的文學評論。
  2. 過度依賴與批判思考能力減弱： 學生可能過度依賴 AI 提供答案，而忽略了獨立思考、分析問題和解決問題的過程，進而削弱其批判性思維和深度學習能力。
  3. 資訊的準確性與偏見： AI 生成的內容可能包含錯誤資訊、過時資訊或帶有偏見，若學生未加辨別，可能習得錯誤知識。例如，AI 可能會基於訓練數據中的性別刻板印象，生成帶有偏見的內容。
  4. 數位落差與公平性問題： 並非所有學生都有平等機會接觸和使用 AI 工具，可能加劇數位落差。
  5. 隱私與數據安全： 學生使用 AI 工具產生的數據可能涉及個人隱私，需要關注數據的收集、儲存與使用安全。

(二) 教師如何調整授課方式及利用 AI 讓學生有更好的學習 (10%)

身為老師，我會將 AI 視為一個強大的輔助工具，而非取代教師的角色。我的教學策略調整會著重於引導學生「如何與 AI 共學」，而非「如何避免使用 AI」。

1. 重新定義學習目標與評量方式：

   • 強調高層次思維能力： 減少對事實性知識的記憶性考核，轉而設計需要分析、評估、創造、解決問題的任務。例如，要求學生比較不同 AI 生成的文本，分析其優缺點。
   • 設計「AI 協作」任務： 要求學生在完成作業時，必須說明 AI 在其中扮演的角色，以及他們如何運用 AI 來輔助思考、研究或創作。例如，在寫一篇歷史報告時，要求學生說明如何使用 AI 搜尋資料、生成大綱，但最終的分析與論證需由自己完成。
   • 口頭報告與實作評量： 增加口頭報告、小組討論、實作專題等評量方式，以檢核學生的真實理解與能力。

2. 引導學生成為 AI 的「聰明使用者」：

   • 教授 AI 素養與批判性思維： 開設課程或融入教學，教導學生如何有效提問 (prompt engineering)、辨別 AI 生成資訊的真偽、理解 AI 的局限性與偏見。
   • 鼓勵 AI 作為「學習夥伴」： 引導學生利用 AI 進行腦力激盪、初步研究、概念理解。例如，請 AI 解釋一個複雜概念，然後要求學生用自己的話複述，並找出 AI 解釋中可能不夠精確的部分。
   • 將 AI 用於「增強」學習，而非「取代」學習： 例如，利用 AI 進行語言練習、程式碼除錯、實驗數據分析，但核心的理論建構與問題解決仍需學生親力親為。

3. 設計更具互動性與探究性的課程：

   • 以問題為導向的學習 (Problem-Based Learning)： 設計真實世界的問題，讓學生運用 AI

本題要求設計一個研究計畫，以驗證「使用 AI 的教學策略是否對中學生的學習有所幫助」。這是一個典型的教育研究設計問題，需要考生運用研究方法學的知識來建構一個嚴謹的研究方案。

核心觀念：

• 研究問題： 探討 AI 教學策略對中學生學習成效的影響。
• 研究方法： 選擇適合驗證因果關係的研究設計。
• 獨立變項 (Independent Variable, IV)： 教學策略（包含 AI vs. 未包含 AI）。
• 依變項 (Dependent Variable, DV)： 學習成效。
• 研究工具與指標： 測量學習成效的具體方式。
• 研究流程： 實驗或準實驗的執行步驟。

解題步驟：

研究問題： 使用 AI 的教學策略是否對中學生的學習有所幫助？

研究設計：
為了探討因果關係（即教學策略是否「導致」學習成效的差異），最適合的研究設計是實驗研究 (Experimental Research) 或準實驗研究 (Quasi-experimental Research)。考量到在真實的學校環境中進行完全隨機分派可能較困難，我們以準實驗設計為基礎，並盡可能模擬實驗的嚴謹性。

研究方法： 採用對照組前後測設計 (Pretest-Posttest Control Group Design)。

1. 獨立變項 (Independent Variable, IV)：

• 定義： 教學策略的類型。
• 水平：
  • 實驗組 (Experimental Group)： 採用包含 AI 工具的教學策略（例如，教師引導學生使用 AI 進行研究、寫作輔助、概念理解等）。
  • 對照組 (Control Group)： 採用傳統的、不包含 AI 工具的教學策略（例如，傳統的教師講授、教科書閱讀、獨立寫作等）。

2. 依變項 (Dependent Variable, DV)：

• 定義： 中學生的學習成效。
• 測量指標： 學習成效可以從多個面向來評估，包括：
  • 學業成就 (Academic Achievement)：
    • 學科知識測驗分數： 透過前後測的學科知識測驗來衡量。
    • 作業與報告分數： 評估學生在課堂作業、專題報告等方面的表現。
  • 學習興趣 (Learning Interest)：
    • 學習動機量表： 評估學生對該學科的學習興趣、投入程度。
    • 課堂參與度： 觀察學生在課堂上的提問、討論、參與度。
  • 批判思考能力 (Critical Thinking Skills)：
    • 批判思考量表： 評估學生分析、評估、推理、解決問題的能力。
    • 特定任務表現： 設計需要運用批判思考的任務，評估學生的表現。

3. 研究工具與指標：

• 學科知識測驗：
  • 工具： 設計一套標準化的學科知識測驗（例如，針對特定科目如社會科、自然科的單元知識測驗），包含選擇題、填充題、簡答題等。
  • 指標： 測驗的總分、各題型得分、得分的增長量。
• 學習動機量表：
  • 工具： 採用學術界常用的學習動機量表，如「學習動機量表」（例如，由 Pintrich 或 Harter 等學者發展的量表），涵蓋興趣、價值感、自我效能等構面。
  • 指標： 量表的總分、各構面得分。
• 批判思考量表：
  • 工具： 採用標準化的批判思考評量工具，如「加州批判思考測驗」(California Critical Thinking Skills Test, CCTST) 或「華森-葛萊澤批判思考測驗」(Watson-Glaser Critical Thinking Appraisal, WGCTA) 的簡化版本，或自行設計針對特定學科的批判思考任務。
  • 指標： 量表的總分，或任務評估得分。
• 作業與報告評分量規 (Rubrics)：
  • 工具： 為作業、報告、專題等設計客觀的評分標準，涵蓋內容、結構、論證、創新性、AI 應用情況等。