抓出迷思概念的診斷，AI 從學生的錯誤答案裡讀出什麼

對寫出「3 分之 1 加 4 分之 1 等於 7 分之 1」的學生，如果只是標記答錯，同樣的失誤下週還會再出現。有意義的矯正，發生在指出那位學生錯誤地相信分子和分母可以各自相加的迷思概念時。AI 診斷真正的價值不在批改，而在揭露這個錯誤信念的真面目。

從錯誤答案分類迷思概念的方式

AI 把錯誤答案連到迷思概念的過程，大致經過三個階段。

• 錯誤答案分群：把眾多學生的錯誤答案收集起來，把相似的答案綁在一起。像 7 分之 1 這樣同一個錯誤數值反覆出現，就是共同迷思概念的訊號。
• 推定規則：回推那個群集是從什麼樣的錯誤規則產生的。以上面的例子來說，就是分子和分子相加、分母和分母相加。
• 配對矯正題目：提出正面撼動所推定迷思概念的題目。例如讓學生親自計算反例的題目就很有效。

有了這個流程，老師不必一個一個追問「為什麼錯」，就能一眼看見全班的迷思概念地圖。

矯正題目要設計成正面衝撞

迷思概念光靠溫和的說明，往往不會消失。對抱著「重的物體掉得比較快」這種信念的高中自然科學生，再把公式秀一次，多半原封不動。應該給他自己的預測和實際測量值對不上的經驗。

1. 先讓學生寫下預測（認知上的承諾）。
2. 讓他親自確認和預測相反的結果。
3. 讓學生自己說明那個落差。

矯正迷思概念的核心不是給更多資訊，而是製造與既有信念的衝突。

也不能相信矯正一次就結束。迷思概念很頑強，即使一堂課看起來已經改過來，幾天後又以同樣的形態復活是常有的事。所以重要的是，不是在矯正之後立刻，而是在大約一週後再丟一次瞄準同一迷思概念的題目。如果在這個延遲檢查中又答錯，代表學生只是表面改過，並未達到深層理解。AI 診斷連這種隔開時間的再確認都會自動顧到，所以老師不必一一記住，也能追蹤矯正的持續性。

重點整理

AI 迷思概念診斷會蒐集錯誤數值、推定錯誤規則，再串上正面撼動那個規則的題目。老師可以把這份診斷結果當成班級層級的迷思概念地圖，用來重新設計課堂的開場。 請不要停在批改，試著讀出一行錯誤答案所指向的錯誤信念。單元形成性評量剛結束時是最好的起點，建議先在一個小單元試試，看到效果再逐步推廣到其他單元。老師一旦手上握有診斷指出的迷思概念地圖，就不必重複同樣的說明，而能從全班實際卡住的地方重新出發。