一句話重點
回饋是教學中最有力的工具之一，但不是所有回饋都一樣有力：指向「歷程」與「自我調節」的回饋最能推動學習，而最常見的「讚美」——恰恰是效果最弱的一種。
研究發現了什麼
Hattie 與 Timperley（2007，發表於 Review of Educational Research）的〈The power of feedback〉是回饋研究的奠基之作。他們主張有效回饋必須回答三個問題：我要去哪裡（目標為何）？我現在做得如何？接下來該往哪走？並把回饋區分為四個層次：任務層（task，「這題答案錯了，正解是……」）、歷程層（process，「你用的策略在這類問題會失效，因為……」）、自我調節層（self-regulation，「你可以怎麼檢查自己的答案？」）、與自我層（self，「你好棒！」）。
他們的結論直指教學現場的痛點：歷程層與自我調節層的回饋對深度學習最有力；任務層回饋有用但容易停留在表面；而針對個人的讚美最無助於學習——它不包含任何「接下來該怎麼做」的資訊，還可能把學生的注意力從任務轉向自我形象。
十三年後，Wisniewski、Zierer 與 Hattie（2020，發表於 Frontiers in Psychology）以統合分析重新檢驗：整合 435 個研究、994 個效果量、超過 61,000 名參與者，回饋對學習的整體效果為 d = 0.48（中等效果）。但更重要的發現是巨大的異質性：回饋的效果高度取決於它承載的資訊量——同時涵蓋任務、歷程與自我調節層次的「高資訊量回饋」效果最強，而僅止於對錯增強的回饋效果最弱。回饋對認知與動作技能成果的效果，也高於對動機與行為成果的效果。
d = 0.48 是平均值，不是保證值：統合分析中的研究異質性極高，意味著設計不良的回饋可能毫無效果甚至有害。另外，回饋「被給出」不等於「被使用」——學生是否讀懂、是否據以修正，才是效果成立的最後一哩。安排「收到回饋後必須做某事」的機制，比寫更長的評語更關鍵。
教師可以怎麼做
每則評語做「層次升級」
寫完「這裡錯了」（任務層）後，強迫自己加一句歷程層（「會錯通常是因為這個步驟……」）與一句自我調節層（「下次可以用什麼方法自我檢查？」）。三層俱全的回饋就是高資訊量回饋。
把「很棒！」換成「具體棒在哪」
讚美不必消失，但要轉化為資訊：「你好棒」改成「你在第二段用了反例檢驗論點，這個策略很有效」——把自我層的稱讚改寫成歷程層的肯定。
建立「回饋之後必有動作」的規則
回饋後要求學生提交一個微小回應：訂正一題、改寫一段、或用一句話寫下「我下次會改變什麼」。沒有後續動作的回饋，多半被掃一眼就關掉。
回饋對準目標，而非對準人
每次評語前先確認：學生知道這份作業的成功標準嗎？回饋若不能連回「我要去哪裡」，再仔細的批改也只是孤立的紅字。
教學生「向自己提問」
自我調節層的終點是學生不再依賴你：提供一份自我檢核問題清單（「我的論證有反例嗎？」「我檢查單位了嗎？」），逐步把回饋的工作移交給學生本人。
搭配 Uedu 工具
高資訊量回饋最大的成本是教師時間。把作業的評分規準與常見錯誤上傳頻道知識庫，讓 ClassroomGPT 在學生提問時給出三層次回饋的初稿：指出錯誤（任務層）、解釋策略為何失效（歷程層）、提示自我檢查方法（自我調節層）——教師保留最終把關與個別深化。
在學習單中內建「回饋回應欄」：學生收到批改後，必須在同一份學習單上回答「我哪個步驟出了問題？」「下次我會怎麼自我檢查？」——把回饋從單向傳遞變成必須消化的學習事件，也讓你看見回饋實際被理解的程度。
翻出你上次批改的 10 則評語，逐一標記層次：任務／歷程／自我調節／自我。多數教師會發現任務層與讚美佔了八成以上。下一份作業刻意讓每位學生至少收到一句歷程層與一句自我調節層回饋，期末比較兩批作業的訂正品質。
結語
回饋的力量不在紅字的數量，而在它回答了幾個問題：目標在哪、現在如何、下一步往哪走。少一點「你真棒」，多一點「你的策略哪裡有效、下次如何自我檢查」——同樣的批改時間，可以換來深一個層次的學習。