想用教育前輩聽得懂的語言
三月底要在親子天下的 AI 素養教育論壇講一場，主題是我帶高中生用 AI 做真實專案的經驗
講稿寫完之後，我開始想一件事：台下有兩萬多個教育工作者 — 老師、校長、教育研究者，他們有他們的專業語言和框架，我如果只講「我用 GitHub Issue 帶高中生」，他們可能聽得懂，但不一定能連結到自己的經驗
我想試著用他們熟悉的語言，重新描述我在做的事，看看能不能找到共鳴，讓對話有交集
於是我開始搜 PBL 和 AI 教育的學術文獻，找到 6 篇跟我的做法高度相關的研究，讀完之後讓我多了一個角度來看自己這半年在做的事
背景：十年教育科技，但不是教育研究者
我在教育科技領域做了十年，在均一教育平台主導過評量系統和 AI 學習功能的架構，參與過實驗教育機構從課綱到教務系統的建置，帶過工程團隊也 mentor 過不少人
設計這套實習生課程時，我靠的是這些年累積的經驗和判斷，但我畢竟不是教育研究者 — 沒有時間像教授一樣設計對照組、跑統計、寫論文，我的驗證方式比較土：學生做出來的東西能不能上線、他們離開之後能不能獨立
這次找論文，不是要證明自己對，是想看看教育研究者怎麼描述類似的做法，學習他們的框架和語言
我做了什麼
帶兩個零基礎的高中生，加入一個真正在運作的中文閱讀學習平台（LingoLeap），不是模擬專案，是真 GitHub Issue、真 Code Review、真 Production 部署
具體設計：
- 四層課程：Bug Fix → UX 改善 → 功能開發 → 技術深潛，每一層都是真實的 Issue，不是練習題
- Skill Tree：20 個技能、600 總 XP，不打分數，用技能樹追蹤成長，解鎖條件是完成 PR 或通過 Code Review
- 週節奏：週一選 Issue → 週間開發 → 週五 PR review + Skill Tree 更新
- Code Review 當教學：不蓋橡皮章，每次具體說哪裡好、哪裡改、為什麼
- AI 雙層運用：平台用 AI 教閱讀，開發過程用 AI 輔助寫 code，我用 AI 省下的時間拿去 mentor
這些做法來自過去帶人的經驗，設計的時候沒有特別去對照教育論文
然後我去找論文了
以下是我找到的 6 篇，以及它們各自對應到我的哪些做法
1. Gold Standard PBL — PBLWorks 框架
PBL 領域最被引用的框架，定義了 7 個設計元素，我拿來對照：
| Gold Standard 元素 | 我怎麼做的 |
|---|---|
| Challenging Problem | 「怎麼讓閱讀困難的孩子學會朗讀？」— 真實社會問題 |
| Sustained Inquiry | 6 個月持續開發，不是一次性作業 |
| Authenticity | 真 GitHub Issue、真用戶、真 Production |
| Student Voice & Choice | 自己選 Issue、自己決定解法 |
| Reflection | 每週 weekly meeting + Skill Tree 自我追蹤 |
| Critique & Revision | Code Review = 真實的回饋循環 |
| Public Product | GitHub contribution graph，可放備審 |
對照下來 7 個都有對應，這個框架幫我把原本模糊的「我覺得這樣有效」整理成更清楚的結構
2. AI + PBL 效果量 Cohen's d = 1.30
MDPI Education Sciences（2025）調查 300 位教師，發現 AI 輔助的 PBL 顯著優於傳統 PBL，效果量 Cohen's d = 1.30 — 這是統計學上的「大效果」
論文說 AI 最大的價值是個人化 + 持續回饋
我做的：Skill Tree 就是個人化追蹤，Code Review 就是持續回饋，帶過人就知道，一視同仁的教法很難有效，看到論文用數據佐證這一點，蠻有共鳴的
3. AI × PBL × 程式教育：投入度 η² = 0.694
Frontiers in Education（2025）在程式教育中實測 AI + PBL：
| 指標 | 效果量 η² |
|---|---|
| 學生投入度 | 0.694 |
| 內在動機 | 0.690 |
| 學業成就 | 0.519 |
η² 超過 0.5，代表超過一半的變異量可歸因於 AI-PBL 介入
我沒有跑統計，但我看到的現象一樣：Ryan 第一週就 merge 2 個 PR，Sean 主動追破音字的 root cause — 沒有人逼他們，他們自己想做
DOI：10.3389/feduc.2025.1674320
4. AI in PBL Co-Design — 學生自主性
CHI 2024（ACM 人機互動頂會）探討 AI 在 PBL 中的角色，強調學生 agency（自主性）的重要性：scaffolding、feedback、personalization，都不能犧牲學生的決策權
我的做法：讓實習生自己選 Issue、自己決定解法、PR 是自己寫的，我 review 但不代寫
5. PBL + Agile 天然契合
IEEE Transactions on Education（2023）發現 Scrum + PBL 在程式教育中效果很好 — Agile 的迭代開發跟 PBL 的迭代探究本質上是同一件事
我們的週節奏（週一選 Issue → 週間開發 → 週五 Review）本來就是簡化版的 Sprint，帶過工程團隊的人大概都會自然走到這個節奏，看到學術研究也把這兩者連在一起，覺得蠻有趣的
6. AI-PBL 同時提升程式技能和批判思考
Springer Nature（2025）發現 AI 輔助 PBL 不只教會學生寫 code，還提升批判思考能力，AI 的角色是 adaptive support — 適應每個學生的程度提供支援
我教實習生的一件事：AI 開了 400 多個 Issue，不是每個都要做，判斷「什麼不做」比「做什麼」更重要，這就是批判思考的實戰版
DOI：10.1007/s44322-025-00041-0
用論文的語言重新看自己的做法
整理完之後，我把對照表拉出來：
| 論文怎麼說 | 我怎麼做的 |
|---|---|
| AI-PBL 效果量 d = 1.30 | AI 輔助開發 + PBL 課程 |
| 個人化 + 持續回饋最重要 | Skill Tree + Code Review |
| 學生投入度 η² = 0.694 | 實習生主動追 bug、自選 Issue |
| 學生自主性不能犧牲 | 自選 Issue、自決解法、自己寫 PR |
| Agile + PBL 天然契合 | 週一選→週間做→週五 Review |
| AI-PBL 提升批判思考 | 教他們判斷「什麼不做」 |
以前我只會說「我覺得這樣帶人比較有效」，現在我可以說「這個做法對應到 PBL 的 Sustained Inquiry 和 Critique & Revision」，意思一樣，但用了教育前輩聽得懂的詞
這對我來說是一個收穫 — 不是證明自己對，是學到一套更精確的語言來描述自己在做的事，以後跟教育工作者合作，溝通會順很多
我們多做了一步
學術研究裡的 AI-PBL，大多是「學生用 AI 工具」
我們的模式不一樣：Mentor 也用 AI 開發，省下來的時間拿去帶人，平台用 AI 教閱讀，開發過程用 AI 教程式 — 雙層 AI-PBL
而且專案不是模擬的，是真正在 Production 運作的教育產品，學生改的 code，真的會被老師和學生用到
這個組合，在目前的文獻裡我還沒看到過
這次準備教會我的事
為了一場演講去找論文，原本只是想補點學術底氣，但做完這輪對照之後，我得到的比預期多
第一，我終於有了共同語言 以前跟教育工作者聊，我說「Code Review」，他們想到的是考試批改，我說「Sprint」，他們想到的是趕進度，現在我知道了：Code Review 就是 PBL 裡的 Critique & Revision，Sprint 就是 Sustained Inquiry 的節奏，同一件事，不同圈子用不同的詞，知道對方的詞，對話就能接上
第二，我看到自己的盲點 論文提到 Equity Levers（公平性槓桿）— 了解學生、認知要求、識讀能力、共享權力，我在課程設計裡做了一部分（讓學生自選 Issue、降低門檻不降標準），但沒有系統性地去想過公平性，兩個實習生的背景不同、學習速度不同，我是靠直覺在調整，沒有一個框架幫我檢視，這是下次可以做得更好的地方
第三，我想開始記錄了 不是寫論文，但至少把過程記得更完整，實習生的成長軌跡、每週的變化、哪些設計有效哪些沒用 — 這些如果有紀錄，不只對自己有幫助，也許能讓其他想用類似方式帶人的人少走一些彎路
下一輪帶實習生的時候，我會試著把 PBL 的 7 個元素當作設計檢查表 — 不是照本宣科，是多一個角度來檢視自己的做法有沒有漏掉什麼
參考文獻
- PBLWorks Gold Standard PBL — pblworks.org
- MDPI Education Sciences (2025) — 10.3390/educsci15020150
- Frontiers in Education (2025) — 10.3389/feduc.2025.1674320
- CHI 2024 (ACM) — 10.1145/3613904.3642807
- IEEE Transactions on Education (2023) — 10.1109/TE.2023.3293519
- Springer Nature (2025) — 10.1007/s44322-025-00041-0