Home
Explore Uedu
Student Console
Register as Member/Login
(2) In future presentations of the research findings, in addition to the course project website and public presentations, your real name and personal information will not appear in this research report. If you are interested in the research results, we can provide you with an executive summary after the study is completed.
問卷中心
Teacher Console
Course Setup
Support & Messages
Uptime Data

UeduGPTs

--

Jupyters

2

Local AI

--

CISOSE26 本地 AI UG26
臺北 AQI 29 · 臺中 AQI 32 · 臺南 AQI 41 · 高雄 AQI 40

AI Reply Desktop Notifications

Show a desktop notification when the AI TA finishes replying

Chat Message Notifications

Notify me when classmates post messages in the forum

Sound notification

Play an alert sound whenever there is a new notification

EMI Toolkit / 教學法文章 / 第 41 篇
🎯 數位學習 📄 實證教學法 ⏱ 約 8 分鐘

精熟學習:學會了才前進,平均提升半個標準差

Mastery Learning

設過關門檻、未達標補救重測的精熟學習,103 個考試成績研究平均效果 0.52 SD(第 50 → 70 百分位);高精熟標準子群連標準化測驗也有 0.60 SD——堅持門檻、提供再學的機會,才是效果來源。

本文依據的研究
Kulik, C.-L. C., Kulik, J. A., & Bangert-Drowns, R. L. (1990). Effectiveness of mastery learning programs: A meta-analysis. Review of Educational Research, 60(2).
https://journals.sagepub.com/doi/10.3102/00346543060002265
🧪
在 Uedu 上實證這個教學法
本文的教學法可在 Uedu 平台實作並驗證成效:測驗系統設過關門檻 + AI 出題產平行重測卷 · 過關嘗試次數/最終達標率/單元後測。 教師可據此設計一個小型準實驗(前後測或組間對照),用平台資料檢驗成效。

一句話重點

精熟學習(Mastery Learning)的核心主張很簡單:不是每個學生都要在同一時間學會,而是每個學生都要學會才前進。教師先設定明確的過關標準(例如單元測驗 80%),未達標的學生接受補救教學與重測,直到精熟為止。這個源自 Bloom 的傳統做法,是教育研究中效果量最穩定的教學法之一——平均可讓學生成績提升約半個標準差。

研究發現了什麼

最具代表性的證據來自 Kulik, Kulik & Bangert-Drowns(1990)發表於 Review of Educational Research(60(2):265-299)的統合分析。針對 103 個以考試成績為結果的研究,精熟學習的平均效果量為 0.52 SD(SE = 0.033)

0.52 個標準差是什麼概念?相當於把第 50 百分位的學生提升到第 70 百分位——原本表現中等的學生,在精熟學習的班級裡可以超越七成同儕。

更值得注意的是調節變項分析。在「高精熟標準、非社會科學課程」的子群中,效果更明顯:

  • 本地測驗(教師自編,與課程目標對齊):0.73 SD
  • 標準化測驗:0.60 SD

這組數字傳達兩個訊息:第一,過關標準設得越嚴謹,效果越好——精熟學習不是「降低門檻讓大家過」,而是「堅持門檻並提供再學的機會」。第二,效果不只出現在與教學內容直接對齊的本地測驗上,連標準化測驗也有 0.60 SD 的提升,代表學到的不是應試技巧,而是扎實的能力。

引用數字時請注意

該統合分析的總研究池為 108 篇,但 0.52 SD 來自其中 103 個「考試成績」子集。引用時請勿把「108 篇研究」與「0.52 效果量」直接綁在一起混用,兩個數字對應的範圍不同。另外,本文同時呈現本地測驗(0.73)與標準化測驗(0.60)兩個子群數值,不應只引用較高的 0.73 而省略其餘脈絡

教師可以怎麼做

1. 切分單元、明訂過關標準

把課程切成 1-2 週可完成的小單元,每個單元寫出具體可測的學習目標,並公告過關標準(建議 80% 以上)。研究顯示高標準才是效果的來源,不要因為擔心學生壓力而把門檻降到 60%。

2. 形成性測驗,不算成績

每單元結束安排形成性測驗,明確告知學生:這次測驗的目的是診斷而非評分。未達標不扣分,但必須完成補救後重測。

3. 補救教學要「換方法」,不是「再講一次」

對未達標的學生,提供與第一次教學不同的材料:替代講義、影片、同儕教學、練習題組。原方法沒讓學生學會,重複一次通常也不會。

4. 重測用平行題本

重測題目應測同樣的目標但換題目,避免學生靠背答案過關。達標後才開放下一單元的進度。

5. 給先達標的學生加深任務

精熟學習常見的疑慮是「快的學生在等慢的」。為先過關的學生準備延伸挑戰題或同儕教學任務,讓等待時間變成深化時間。

搭配 Uedu 工具

線上測驗系統 + AI 自動出題

用 Uedu 的線上測驗系統為每個單元建立形成性測驗,設定過關門檻(如 80%);搭配 AI 自動出題快速產生補救練習與平行重測題本,解決精熟學習最大的實務痛點——「每次重測都要重新出題」。未達標的學生派發補救練習後再重測,直到達標才進入下一單元。成效追蹤三個指標:過關所需嘗試次數(補救效率)、最終達標率(多少比例的學生真正精熟)、單元後測分數(與未實施精熟流程的單元或班級比較)。

ClassroomGPT 課程助教

補救階段讓未達標學生與 ClassroomGPT 針對錯題概念對話釐清,等於為每位學生配置 Bloom 設想中的「個別補救教師」;教師再從 Bloom 認知層次分析檢視學生卡關的是記憶層還是應用層,調整補救材料的難度。

一個可立即試做的小活動

挑一個下週要教的單元,用 AI 自動出題產生 10 題形成性測驗 + 一份平行題本。課堂宣布規則:「8 題以上過關;未達標者完成補救練習後可重測,重測達標即視同過關。」一個單元就能跑完一輪完整的精熟循環,並拿到第一批嘗試次數與達標率資料。

想先了解理論基礎,可參考教育理論工具箱(/pedagogy)行為主義群的「精熟學習」理論卡——本文是該理論的方法實作版。

結語

精熟學習把「時間固定、學會與否隨人」翻轉成「學會是固定的,時間因人而異」——堅持 80% 的門檻、提供換方法的補救與重測,平均就能把中等學生推進到第 70 百分位。

給教師的提醒:本文為教學參考,所引研究多為特定情境(學科、國別、班級規模)下的質性或相關性研究, 其「教學功能」與「策略」屬於可遷移的原則而非保證成效的處方。請依您的學科特性、學生組成與課程目標調整運用。
回到所有 EMI 教學法文章