
會議演示論文:AICoFe 結合互評、自評與教師審閲的 AI 反饋
Alvaro Becerra, Alejandra Palma, Ruth Cobos, Julian Fierrez
European Conference on Technology Enhanced Learning (EC-TEL 2026), demonstration paper
500 字摘要

AICoFe 把同伴互評、自評、教師評估與口頭報告的 AI 輔助反饋結合起來。EC-TEL 演示論文的開放作者版本描述了 2024–2025 年在馬德里自治大學的應用,涉及 46 名本科生和 19 名碩士生。教師可在發出反饋前選擇、修改或組合生成的評語。滿意度評價積極;31 名參與者完成了易用性問卷,系統易用性量表平均得分為 79.91。這些觀察描述使用體驗,並未確立報告技能改善的因果效果。
流程讓多種觀點進入同一審閲過程。學生可重看錄像,把自己的量表判斷與收到的反饋比較。作者也説明了如何區分草稿與已發送版本。應用規模較小,問卷回應數量有限,因此可得結論受到限制。教師參與是研究環境的一部分,不能把結果解釋為無需教師介入的自主反饋已經有效。
對 AIEDHK 而言,可考慮圍繞一次簡短報告設計研討活動。報告者在閲讀反饋前,先指出一處自認為清楚的表達和一處想修改的地方。同伴用相同準則獨立找出證據,教師再把生成建議與這些觀察並置審閲。討論重點是哪些評語準確描述了表現,以及學生能夠採取什麼可行行動。
例如,學生講解城市用水時,可能收到“提高表達清晰度”這樣的籠統建議。更有用的討論應定位聽眾在哪個轉折處失去了圖示與論點之間的聯繫。學生可排練修改後的解釋,再請新聽眾複述兩者關係。這是本站提出的課堂建議,演示論文並未檢驗該項活動或例子的效果。
機構嘗試類似流程時,可先做小規模試點,並預先明確錄像的可見對象和保留期限。審閲者應知道哪些評語來自同伴、哪些由 AI 生成、哪些經教師修改。學生也應有渠道解釋某條評語為何不準確或不適用。這些安排能讓反饋過程可供檢查,並使分歧成為學習材料。
參與者還可比較自己在觀看錄像前後對同一評估準則的解釋,簡短説明判斷如何改變。這有助於教師區分經過思考的反饋回應,與單純為了提高可見分數而作出的修改。
更有力的評估可考察下一次報告,包含獨立任務和明確的評分準則,並記錄教師審閲時間、對生成評語的修改,以及學生能否解釋所選修改的理由。滿意度與易用性仍可作為補充。AICoFe 提供了協調不同反饋觀點的具體系統設計;這種協調是否促進學習,還需考察學生之後理解了什麼、能夠做什麼。


