AI 自動化貼文評分系統促進跨領域知識分享

教學問題

非同步線上討論區是促進跨領域知識分享的有效媒介，讓學生能在課堂之外分享、發文與反思。 然而，當討論區的貼文數量龐大時，教師難以逐篇評閱每一則貼文，導致回饋不及時， 討論品質也因缺乏即時引導而參差不齊。

更重要的是，學生在發文時缺乏即時的品質提示，不知道自己的貼文是否具有足夠的資訊密度， 這使得「為了交差而發文」的現象屢見不鮮。

研究方法

本研究開發了一套基於 BERT 的 AI 自動貼文評分系統，能在學生發文後 10 秒內 自動將貼文分類為三個等級：

• Informative（資訊性高）：貼文包含有價值的知識分享或深入見解
• Neutral（中性）：貼文內容一般，有改善空間
• Non-informative（資訊性低）：貼文缺乏實質內容或過於簡短

系統針對三種不同的貼文類型進行評估：

• Discussion（主題討論）：準確率 67%
• Comment（評論）：準確率 68%
• Reply（回覆）：準確率 75%

研究在「Python 程式設計」與「人工智慧導論」兩門課程中進行測試與問卷評估。

主要發現

• 學生對系統持正面評價，認為自動評分幫助他們提升貼文品質
• 抄襲現象明顯減少 — 學生更傾向於撰寫原創內容
• 學生的理解與反思能力獲得提升，貼文的深度明顯增加
• 即時的 AI 回饋讓學生在發文前就能自我檢視，減少了教師的批改負擔
• 開放式問卷回饋顯示，學生認為自動評分機制激勵他們更認真對待討論區發言

對教學的啟示

AI 自動評分不是要取代教師的評閱，而是提供一個「即時鷹架」，讓學生在發文的當下就能收到品質提示。 這種即時回饋機制改變了討論區的使用文化：從被動的「完成作業」轉變為主動的「知識分享」。

對於跨領域通識課程而言，這特別有價值 — 來自不同科系的學生可以在 AI 的引導下， 提供更有深度的跨領域觀點，真正實現知識的交流與碰撞。