適性學習路徑如何為一位學生每天重新繪製

在所有人以同樣速度走同樣進度的課堂裡，已經懂的學生覺得無聊，跟不上的學生容易放棄。適性學習就是想為這 30 個人提出 30 條路的嘗試。只是「AI 會自動幫你做到個人化」這句話只對了一半。適性路徑會依老師如何設計分流規則，畫出完全不同的路。

適性路徑分流的三種訊號

系統判斷要把學生送往下一階段還是拉回補救，依據大致有三種。

• 答對率：同一概念的題目連續答對就提高難度，連續答錯就退回先備概念。
• 作答時間：即使答對，若解題花的時間過長，就視為尚未自動化，再多提供類似題目。
• 錯誤類型：同一類的失誤反覆出現，就分流到迷思概念診斷模組，而不是單純的練習。

把這三種訊號組合起來，就能做出比只看對錯細密得多的路徑。

老師一定要動手的地方

自動分流的限制很明顯。曾有這樣的案例：國小四年級的分數單元裡，有位學生因為不會通分而一直答錯，系統卻誤判為乘法不足，只讓他反覆做乘法練習。老師在每週的儀表板上親自讀出錯誤模式、手動修正路徑之後，一週內就恢復了。

1. 每週一次，翻看最停滯的三位學生的路徑紀錄。
2. 用晤談確認系統抓不到的情緒原因（焦慮、動機低落）。
3. 必要時關掉自動路徑，由老師親自指定一週的作業。

適性系統很適合平均的學生。越是偏離平均的學生，越需要人的手。

這裡還有一點要留意。適性路徑在學生感到足夠有挑戰性的適當難度區間裡運作得最好。太簡單會無聊，注意力就散掉；太難會挫折，連嘗試都停下來。所以好的系統會刻意把答對率設計成維持在七八成上下。對總是全對的學生悄悄調高難度，給他挑戰感；對常常答錯的學生則穿插成功經驗，守住他的意願。老師只要懂這個原理，就能用肉眼判斷系統畫出來的路徑是否恰當。

重點整理

適性學習路徑會依答對率、作答時間、錯誤類型這些訊號每天重新繪製。但是自動化構不到的停滯區間，必須靠老師每週的檢視來補上。 唯有技術與人輪流修整路徑的結構，30 個人的 30 條路才有意義。建議一開始先親自讀過一個單元的分流規則，動手確認系統把學生送去哪裡、依據又是什麼。越是理解規則如何運作的老師，越能放心把事情交給自動化，並在真正需要人的時刻精準介入。