一句話重點
面對初學者，與其讓他們「在錯誤中盲目嘗試」，不如先研讀逐步解法範例（worked examples）再練題──這能降低認知負荷，把心力留給理解解題結構本身。
研究發現了什麼
Barbieri, Miller-Cotto, Clerjuste 與 Chawla（2023, Educational Psychology Review）對範例學習做了一項大型整合分析，涵蓋 43 篇文獻、55 個研究、181 個效果量，並採用 robust variance estimation（穩健變異數估計）來處理同一研究內多個效果量相依的問題。
結果顯示：worked examples 對數學學習成效的整體效果為 g = 0.48（中等效果，p = 0.01）。更重要的是，這個效果橫跨小學到大學各學習階段，意味著它在高教課堂同樣站得住腳。
背後的原理來自認知負荷理論：初學者尚未建立穩固的基模（schema），若一開始就被丟進開放式練題，大量心力會耗在搜尋與試誤上。逐步範例替學生承擔了搜尋成本，讓他們專注觀察「每一步為什麼這樣做」，進而內化解題的結構與順序。
在這份整合分析中，加入 self-explanation（自我解釋）提示，對數學情境反而是負向的調節變項（negative moderator）。也就是說，並非「範例＋要求學生逐步自我解釋」就一定更好；在數學脈絡下，過度的自我解釋要求可能反而干擾學習。設計時請謹慎評估是否疊加此類提示，不要想當然爾地全部加上。
教師可以怎麼做
先範例、後練題
針對新概念或新題型，安排 1–2 題完整逐步解法範例讓學生先研讀，再進入自行練習，而非一開始就讓學生硬解。
把「為什麼」寫進每一步
範例不只列算式，更要標註每一步的決策理由（為何選這個方法、這一步在做什麼），讓學生看見解題的結構而非答案。
逐步淡出（fading）
從完整範例，過渡到留白範例（挖空部分步驟讓學生補），再到完全自行練題，隨能力提升逐步移除支架。
區分對象，鎖定初學者
範例學習的最大受益者是初學者。對該主題已熟練的學生，可直接給練題；資源請優先投在新手身上。
謹慎處理自我解釋
依研究的負向調節結果，不要在數學範例上機械式疊加自我解釋要求。若要使用，先小範圍試行並觀察成效。
搭配 Uedu 工具
把逐步解題範例放進學習單，或上傳到RAG 頻道知識庫供學生在練題前研讀。配合 RAG 後，學生在 ClassroomGPT 對話時可語意檢索到對應的範例段落（含頁碼與出處），讓「先看範例」自然嵌入學習流程。
用線上測驗系統與 AI 自動出題建立數學後測，將班級分成範例組 vs. 純練題組，以兩組的後測成績計算 g 值，直接驗證範例學習在你課堂上的實際效果，呼應 meta 的 g = 0.48。
挑一個學生常卡關的題型，做一份標註理由的逐步範例學習單，下次上課讓半數學生先讀範例再練、半數直接練，課後以同一份線上測驗比對兩組分數，一週就能看到屬於你課堂的效果量。
結語
對初學者而言，「先看一個做對的範例」往往勝過「先錯十次」。範例學習以中等且跨學段穩定的效果（g = 0.48），提醒我們：降低認知負荷，是把學習資源還給理解的最有效方式之一。