闡述式學習法的人工智慧多學習代理人設計;Artificial Intelligence Multiple Education Agents Design for Learning by Elaborating (Lbe)

NCU Institutional Repository > 文學院 > 學習與教學研究所 > 研究計畫 > Item 987654321/96992

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/96992

题名:	闡述式學習法的人工智慧多學習代理人設計;Artificial Intelligence Multiple Education Agents Design for Learning by Elaborating (Lbe)
作者:	張立杰
贡献者:	國立中央大學學習與教學研究所
关键词:	生成式人工智慧;多教育代理人;闡述式學習法;大量輸入--內化--外顯;Google 雲端;開放人工智慧;Generative Pre-Trained Transformer;Multiple Educational Agents;Learning by Elaborating;Massive Input-Internalization-Externalization;Google Cloud;OpenAI
日期:	2025-07-31
上传时间:	2025-08-07 17:23:33 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	當前，生成式人工智慧領域的科技發展極為迅速，但如何將生成式人工智慧的技術應用在教育上，仍有許多討論的地方。緣此，研究者提出一個「闡述式學習法」，英文名稱為 Learning by Elaborating (縮寫為 LbE)。在LbE 學習法設計中，會有三個區間 (Zone)。分別為區間一：大量輸入 (Zone 1: Massive Input)、區間二：內化 (Zone 2: Internalization)、以及區間三：外顯 (Zone 3: Externalization)。其中，Zone 1是透過生成式人工智慧建構知識圖譜，搭配學生模型產生大量學生適合閱讀的材料；Zone 2則是採用Bruner (1961) 所提倡的發現學習法，進行發現學習材料後面的規則；Zone 3 則是透過對話方式，將發現的內容闡述 (elaborate) 給教育代理人進行論述，並獲得回饋。目前的人工智慧設計，多半是強調如何跟 AI 互動，或是詢問 AI 問題解答等問答模式。這類的設計，是將 AI 定位為一個問題的解答者，或是提供者。但是如果從學習的角度而言，問題的解答者未必是一個好的學習設計，甚至是一個不好的學習設計。因為當把 AI 設定為一個問題的解答者，就會產生許多類似用 AI 來協助寫作業，使用 AI 會讓學生降低思考，或是 AI 是一本正經，胡說八道的回饋訊息等的疑慮。透過本計畫，讓學習者經由闡述式學習法 (LbE)，學生可以實施大量輸入、內化、外顯的過程，並與人工智慧支持的多教育代理人完成學科學習，提供人工智慧應用在學習與教學的新方法。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
显示于类别:	[學習與教學研究所 ] 研究計畫

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	78	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....