一句話重點
跨越 50 個對照研究的統合分析顯示，提供逐步引導與即時回饋的智慧導師系統（Intelligent Tutoring Systems, ITS），讓學生測驗分數的中位效果量達 0.66 個標準差——相當於把一位原本第 50 百分位的學生，推升到第 75 百分位。電腦導師有效的關鍵不在科技本身，而在它把「一對一引導」這件昂貴的事規模化了。
研究發現了什麼
Kulik 與 Fletcher（2016）發表於 Review of Educational Research（86(1):42-78）的統合分析，整理了 50 個對照研究評估，比較使用 ITS 與傳統教學的學習成效。所謂 ITS，是指能逐步引導學生解題、針對每一步給予即時回饋的電腦導師——它不是播放教材的系統，而是會「看著你做、隨時介入」的數位家教。
結果相當明確：
- ITS 使測驗分數提升的中位效果量為 0.66 SD，在教育介入中屬於相當大的效果。
- 換算成直觀語言：原本第 50 百分位的學生，可望升到第 75 百分位——整整跨越四分之一個常態分布。
值得注意的是，這份證據累積自 LLM 出現之前的數十年研究傳統。本系列另一篇「哈佛物理 AI 導師 RCT」（ai-tutor-rct）中表現亮眼的 LLM 導師，正是這條 ITS 研究脈絡的延伸：現代生成式 AI 導師之所以有效，繼承的正是 ITS「逐步引導＋即時回饋」的設計原則，只是把規則式的對話引擎換成了更靈活的語言模型。
第一，0.66 是「中位數」而非平均值——半數研究效果高於此、半數低於此，不能直接當成「裝了 ITS 就保證 +0.66 SD」。第二，效果量受測驗型態調節：以教師本地自編測驗評估時效果較高，換成標準化測驗則效果較低。解讀自己課堂的成效數據時，務必註明使用的是哪一種測驗。
教師可以怎麼做
把解題拆成「可回饋的步驟」
ITS 的核心是逐步引導。先把課程中的關鍵題型拆解成明確步驟（列式→代入→檢驗），AI 導師才有「步」可以引導，學生也才有「步」可以收到回饋。
要求即時、針對性的回饋
回饋必須發生在錯誤的當下，且指向學生剛做的那一步，而不是事後給總分。設定 AI 導師「每一步先確認學生想法，再回饋對錯與原因」。
禁止直接給答案
在 AI 的指令中明確規定：先給提示、再給線索、最後才揭示。一旦 AI 變成「答案販賣機」，逐步引導的機制就瓦解了。
用前後測誠實量測增益
介入前後各做一次測驗，以增益（gain）判斷成效。並且標明測驗型態——自編測驗的數字通常較漂亮，這是研究已知的調節因素，不是你的錯覺。
讓學生的學習路徑可視化
傳統 ITS 的另一支柱是學生模型（student model）：系統知道學生已會什麼、卡在哪裡。用知識點地圖追蹤每位學生的掌握狀態，引導才能「適性」。
搭配 Uedu 工具
用 AIDA 優學伴（蘇格拉底式提問）或 ClassroomGPT 課程助教重現 ITS 的兩大支柱：在 system prompt 寫入「逐步引導、每步即時回饋、不直接給答案」，對應 ITS 的導師引擎；再搭配知識圖譜學習軌跡，掌握每位學生在各知識點的進展，對應 ITS 的學生模型。成效指標：前後測分數增益 + Bloom 認知層次成長。
用線上測驗系統與 AI 自動出題建立前後測題組，並刻意同時納入「對齊課程的自編題」與「較通用的遷移題」——呼應 Kulik 與 Fletcher 指出的測驗型態調節效應，看看你的成效在兩種測驗上是否一致。再以 Bloom 認知層次分析檢視學生與 AI 導師的對話，是否從記憶層逐步爬向應用與分析層。
挑一個學生最常卡關的題型，把標準解法拆成 3-4 個步驟寫進 ClassroomGPT 的 system prompt：「引導學生依序完成這些步驟，每步先問學生想法、再給回饋，絕不跳到答案。」先前測、讓學生與 AI 練習兩週、再後測，用增益分數親手驗證一次 ITS 效應。
結語
五十個對照研究告訴我們：「逐步引導＋即時回饋」的電腦導師，中位效果量可達 0.66 SD——從規則式 ITS 到今天的 LLM 導師，有效的從來不是機器，而是被機器規模化的好教學法。把引導原則寫進 AI、用前後測誠實量測、並記得標明測驗型態，這份數十年的證據就能在你的課堂落地。