當學生從你的血管學會心臟
一篇關於調整教材以提升學生投入度與知識留存的反思，取材自一次真實的課輔經歷與教育資料探勘研究。
已獲得學生與家長的同意後發布。
Harry 的生物期中考需要幫忙。他告訴我，他很難記住心臟的解剖構造，也搞不清楚血液如何在循環系統中流動。我平常教的是英文。文學。寫作。但 Harry 開口問了，而我一直都很喜歡生物，所以我想，應該可以想點辦法。
適應性教學與僵化課綱的問題
教育中存在一種張力：我們計劃要教的，與真正被吸收的，往往不是同一回事。一堂課可以在技術上完全正確、結構嚴謹，卻讓人過目即忘。Liu 與 Wan（2024）說得直接：「學習彈性顯著影響學生的回饋與表現分數」，這「凸顯了對具回應性與適應性的教育策略的需求」（p. 4）。「具回應性」這個詞很重要。它意味著傾聽。調整。在學生所在之處與他們相遇，而非在課綱假設他們應該在的地方。
Harry 不需要再看一張圖表。他已經看過很多了。他需要的是具體的東西，是他可以親眼看著發生的事。
於是我按住手臂上的血管，把血液推開，讓他看靜脈瓣膜如何防止血液逆流。他的表情變了。他懂了。不是因為我解釋得比課本好，而是因為情境改變了。教材變得可以觸摸。
為什麼投入能預測留存
這不只是軼事。教育資料探勘的研究一再將情感投入與學習成效連結在一起。Liu 與 Wan（2024）發現，「情感分析能提供關於學生心理健康、課堂投入度，以及對課程內容開放程度的寶貴洞見」（p. 2）。當學生有所感受——正向的驚訝、好奇心、甚至困惑最終轉化為理解——他們編碼資訊的方式就不一樣了。大腦對待情感中性的內容，與對待曾引發反應的內容，處理方式並不相同。
Harry 不只是被動地接收資訊。他在觀察、提問，然後，關鍵的是，他自己口頭描述了血液穿過心臟的整個旅程。那個說出來的動作就是提取練習。也是理解的證明。而這一切之所以發生，是因為課程適應了他。
自動化時代中教師的角色
老實說，我最近一直在想 AI 的事。我的很多同事也是。教育界現在有一種隱隱的焦慮，一種感覺：我們做的事，終有一天可能會被優化掉。機器學習模型已經能以驚人的準確度預測學生表現。例如，Liu 與 Wan（2024）的 WResNeXt-GMJ 模型在預測學生適應力水準上達到了 98% 的準確率（p. 1）。這令人印象深刻。也令人不安。
但我反覆回想的是這個。那天 Harry 不只是學到了什麼。他笑了。他身體前傾。他想要理解，不是因為某個系統叫他這麼做，而是因為那個當下讓他好奇。
模型能複製這個嗎？也許終有一天可以。但我不確定它能複製我在他終於懂了時的感受。那種相互的認可——兩個人同時意識到某件事對上了——很難量化。而我懷疑，它比我們願意承認的更重要。
結語
如果你在教學，不論是正式還是非正式的，不妨想想這點。適應不是要拋棄你的課綱。而是要找到適合眼前這個學習者的切入點。有時候那是一張圖表。有時候那是你自己的手臂。
Liu 與 Wan（2024）將他們研究的終極目標描述為，提供「學生一個靈活、引人入勝的學習環境，能轉化他們的學習方式，促進學業與個人的成功」（p. 3）。我喜歡這個框架。轉化，而非傳輸。差別在於誰在做功。
那天 Harry 做了功。我只是給了他一個開始的理由。
Reference
Liu, L., & Wan, L. (2024). Innovative models for enhanced student adaptability and performance in educational environments. PLoS ONE, 19(9), e0307221. https://doi.org/10.1371/journal.pone.0307221