以提示工程方法透過 LLM 評估教育中的認知表現

教學問題

Bloom 認知分類法是教育領域廣泛使用的學習評量框架，但在實際應用中， 判斷學生的回答屬於哪個認知層次（記憶、理解、應用、分析、評鑑、創造）需要大量的人工判斷。 當學生透過 AI 對話進行學習時，如何自動評估其認知表現成為重要的研究課題。

研究方法

本研究探索使用提示工程（Prompt-Based Methods）方法，讓大型語言模型自動評估教育情境中的認知表現。 透過精心設計的提示策略，引導 LLM 根據 Bloom 認知分類法對學生的回答進行層次判斷。

主要發現

• LLM 結合提示工程方法能有效評估學生的認知表現層次
• 不同的提示策略對評估準確度有顯著影響
• 自動化認知評估為大規模學習分析提供了可行方案

對教學的啟示

自動化的認知層次評估讓教師能即時了解學生的思考深度， 不再只是看答案對錯，而是深入分析學生「怎麼想」。 這對於促進高階思維能力的培養特別有價值。