Cross-university platform portalShow a desktop notification when the AI TA finishes replying
Notify me when classmates post messages in the forum
Play an alert sound whenever there is a new notification
計畫最難寫的往往不是教學設計，而是成效證據——你需要可量化、可追溯、 能寫進成果報告的學習歷程資料。這一頁整理 Uedu 平台實際能給你哪些資料、 對應哪些研究設計，以及研究倫理上必須先處理好的事。 新上線的 AI 任務，讓「學生如何與 AI 協作」本身也能成為可評量的證據。
取得我的客製建議 先看可取得的資料JSON / Excel · 每則訊息一列 · 加密 ZIP
Uedu 由張家凱助理教授自主研發，目前為跨校採用的教育科技平台。 開發者本人也在執行教育部教學實踐研究計畫，目前是第四期。
寫計畫時要回答的問題——前後測怎麼設計、歷程資料怎麼取得、 IRB 的資料保護段落怎麼寫——我們自己也得先弄清楚一遍。 這一頁整理的就是那些筆記，希望能替你省下重新摸索的時間。
學生用了 AI 之後，成果有多少是學生自己的？這是近年教學實踐計畫審查常追問的問題。 AI 任務把學生與 AI 的互動拆成固定的步驟，每一步都留下紀錄，由 AI 依你訂的評分標準初評、你複查後計入成績簿。 任務分成三類，依你想讓學生練習的能力選擇。
AI 扮演一個角色（例如來電的病人、客戶、店家老闆），手上握有學生不知道的資訊，學生要在情境中完成一件事。
完整對話逐字稿，以及 AI 依評分標準給出的各維度分數與評語。
臨床溝通、商務談判、外語會話、訪談等技能練習。
多數模式分步驟進行，完成一步就不能回頭修改：
看不到 AI 時的初稿與修訂版可以直接對照；反思是現成的質性資料。
寫作、程式、設計、分析報告等以作品呈現的能力。
查證 AI 輸出中的錯誤與偏誤、做提示設計實驗、討論 AI 倫理與政策，或打造自己的 AI 工具。
學生找出的錯誤與查證過程、不同提示的比較結果，以及反思。
AI 素養、資訊識讀、通識與跨領域課程。
先把分工講清楚，免得誤會：Uedu 不會替你做研究， 它負責的是讓資料在課程正常進行的同時就被完整記錄下來。
課程照常上，資料在教學過程中自然累積，不需要另外架系統或為了研究額外發問卷。
平台不會替你做研究判斷——這些是計畫主持人的專業工作，也是審查委員在看的部分。
資料的產生與整理由平台處理，研究設計與分析仍然是你的工作。
下表是課程進行時自動累積、教師端可自行匯出的資料類型與粒度。 撰寫計畫的研究方法章節或 IRB 送審文件時，可以直接引用這張表說明資料來源。
| 資料類型 | 主要欄位 | 資料粒度 | 取得方式 | 方法論 |
|---|---|---|---|---|
| AI 對話歷程 | chat_title、chat_start_datetime、action、action_datetime、request（學生訊息）、response（AI 回覆）、chat_model | 每一則訊息一列 | 教師資料匯出（JSON／Excel） | 說明 |
| AI 任務設定與評分 | 任務模式、說明、評分標準與總分、開放與截止時間；每次作答的 AI 各維度分數與評語、教師複查分數與評語、最終分數與來源 | 每人每次作答一列 | 教師資料匯出（與對話資料同一份，學生以研究代碼呈現） | 說明 |
| 蘇格拉底對話與辯論評估 | 議題、每次對話的評估結果與評語、評估時間 | 每人每次對話一列 | 議題評估頁匯出 CSV | 說明 |
| Bloom 認知層次 | 每則對話的 Bloom 層次標記（記憶／理解／應用／分析／評鑑／創造）、時間戳 | 每一則訊息一列 | 課程頁 Bloom 分析、隨對話資料匯出 | 說明 |
| 測驗作答 | 題目、選項、作答、對錯、得分、作答時間、題目層級標籤 | 每人每題一列 | 測驗系統成績檢視與匯出 | 說明 |
| 問卷回應 | 題項、選項、回應值、填答時間 | 每人每題一列 | 問卷系統匯出 | 說明 |
| 學習單作答 | 題目、作答內容、繳交時間、教師評分 | 每人每題一列 | 學習單管理頁匯出 | 說明 |
| 成績簿與出缺勤 | 各評量項目分數、成績類別與加權、出缺勤狀態、報告互評的同儕平均與教師評分 | 每人每項目一列 | 成績簿匯出 CSV | 說明 |
| 討論區行為 | 發文與回覆內容、時間、加權積分、Emoji 回饋、語意品質評估、原創性偵測結果 | 每篇貼文一列 | 討論區評分頁 | 說明 |
| 認知測驗（UCG） | trial-level 反應時間、正確率、刺激條件；依測驗另有 d′、span 等衍生指標 | 每人每 trial 一列 | UCG 結果頁與後台 | 說明 |
| 學習特質量表 | RIASEC 六維度、Big Five 五維度、OEJTS 四向度分數與作答明細 | 每人每次施測一列 | 學習特質探索報告 | 說明 |
| 生理資料（需個別授權） | HRV、睡眠、步數等 Garmin 或 Health Connect 同步資料 | 每人每日或每次量測一列 | 研究專案中心（需學生逐一授權） | 說明 |
匯出格式為 JSON 或 Excel，以加密 ZIP 提供並寄送通知信。JSON 保留完整欄位，適合帶進 Python 或 R 分析； Excel 已做非法字元清理，適合快速瀏覽與統計。
先決定研究設計，再決定要開哪些功能——反過來做，資料通常會收得零散而無法分析。
學期初以測驗系統建平行卷施測前測，介入後施測後測；態度面另以站內問卷前後各一次。用課程單元把前測、介入與後測排在預定週次開放。
一班在單元中安排 AI 協作任務（自己先做、與 AI 對話、交修訂版），一班以同一份題目採一般作業繳交；或一班啟用蘇格拉底對話、一班用一般問答。其餘教材與評量完全相同。
以週為單位觀察 Bloom 分布與課堂即時回饋報告（理解與滿意度），每循環結束後調整 system prompt 或任務設計，並記錄調整理由。
量化取測驗成績、AI 任務分數與 Bloom 層次比例，質性取對話逐字內容、AI 任務的反思與開放式問卷回應做編碼。
填入你的計畫主題與課程情境，AI 會依據平台實際具備的功能， 給出建議的操作步驟、可收集的數據指標與研究設計時程。 建議僅供規劃參考，最終仍請依你的專業判斷調整。
以下功能教師自己就能在課程首頁與課程設定中開啟，不需要另外申請或客製開發。 想先看完整的口頭說明，可以看教學實踐計劃執行說明的演講錄影（2025/06/27）。
教學現場的師生權力並不對等，成績又是最強的槓桿。以下幾點是平台的明文規範， 也是計畫審查與 IRB 送審時最常被追問的地方。
這是平台的明文規範。學生不簽署研究同意或中途撤回，課照上、AI 照用、成績照算，只是資料不納入研究。任何功能、文案與通知都不得暗示研究參與會影響成績或權益。
Uedu 平台端有自己的研究倫理審查（NTU-REC 202507EM058），涵蓋的是平台自身的資料治理。教師以自己名義執行的研究，仍須向所屬學校的 IRB 送審。
站內問卷的填答紀錄留在平台既有的資料治理架構內；改用外部表單等於把個資帶到平台之外，IRB 說明也會變複雜。
資料一旦匯出，匯出者就成為獨立的資料控管者，後續保管與使用責任由匯出者承擔。匯出前需簽署教育資料匯出使用同意書。
對話原文可能含有學生可辨識資訊。引用逐字內容前需去識別化，並確認符合送審時承諾的資料使用範圍。
HRV 等生理訊號在未附演算法與效度驗證前，不宜宣稱代表壓力、情緒或專注度。這既是研究嚴謹度問題，也涉及相關規範對情緒推論的限制。
若要把 AI 使用納入評分，建議採用品質調整後的指標（如 AI 任務的評分標準、對話的認知層次、討論區的加權積分），而非單純的使用次數，並事先向學生公告計分方式。AI 初評的分數請經教師複查後再採計。
資料治理架構、三重同意書體系與電子簽署紀錄的完整說明，見 資料匯出與資料治理方法論； 以研究專案為單位的授權管理見 Uedu Labs 研究專案說明。 撰寫 IRB 申請書時，這兩份文件可作為平台端技術保障的附件。
每一項分析功能都有對應的學術方法依據。撰寫文獻探討或方法章節時， 可從下列著作中找到可引用的來源。
Frontiers in Psychology, 2026 · 對應功能：ClassroomGPT AI 助教
Computers and Education: Artificial Intelligence, 2026 · 對應功能：Bloom's 認知層次分析
International Journal of Human–Computer Interaction, 2026 · 對應功能：ClassroomGPT 蘇格拉底式對話
IEEE ICALT 2024, 2024 · 對應功能：AI 自動出題
IEEE ICALT 2023, 2023 · 對應功能：討論區 AI 計分
IEEE ICALT 2025, 2025 · 對應功能：ClassroomGPT AI 助教