混成式評量，把線上資料當成訊號而不是成績

經營混成式課堂，線上就會累積龐大的資料。誰把影片看到最後、在哪一題卡住、重做了幾次、在哪個時間點按下暫停，全都留了下來。然而一拿到這些資料，只要陷入想換算成分數的誘惑，混成式的核心就崩塌了。一旦換成出席分數、觀看分數、答對分數，學生就會把資料感受成「被監視的成績單」，不再留下誠實的學習痕跡。不懂也裝懂，快速跳過；答錯了也不重做；影片只是開著，人在做別的事。這樣一來，資料很豐富，卻是假的。資料不是拿來評分的對象，而該讀成調整課堂的訊號。

把資料讀成訊號的三種觀點

同樣的紀錄，怎麼讀，就會變成完全不同的工具。

• 卡關訊號：某一題的重試次數暴增，代表那個概念在設計上就很難。這不是學生的錯，而是該動手修改教材的地方。
• 離開訊號：如果學生總是在同一個地方停下影片，就表示那一段很無聊或很難。請重新檢視內容的切分。
• 落差訊號：學生之間的進度差距拉大，等於預告下一次面授時間需要同儕教學或分流活動。

把資料換成分數，用過一次就丟；讀成訊號，它就會繼續活著，成為修正下一堂課的材料。

把 AI 當成資料的口譯員

紀錄本身是一堆數字，人很難一眼讀懂。把 AI 擺在口譯員的位置，訊號就會變得清楚。

1. 偵測異常點：讓 AI 挑出和平常不同的模式（某一題答對率驟降、觀看中途離開暴增）並指給老師看。舉例來說，平常答對率維持在八成上下的班級，在某一題突然掉到 45%，就表示該動手修改那一題所涉概念的說明教材了。
2. 摘要趨勢而非個人：不要追蹤個別學生，先讓它摘要出「這個單元裡全班共同卡住的地方」。
3. 提出調整建議：針對訊號提出「下一堂課要做哪些不一樣的事」的候選方案，但採不採用由老師決定。
4. 隱私界線：明確劃出一條線，資料只用於改善課堂，不用於個人計分或公開比較。

這裡重要的原則，是把資料的用途透明地告知學生。只要先說清楚「這不是要評價你的資料，而是要修正課堂的資料」，學生就會更誠實地留下學習痕跡。

重點整理

混成式評量的岔路口，在於要把線上資料換算成分數，還是讀成訊號。讀成卡關、離開、落差這些訊號，資料就會成為修正下一堂課的活材料，而 AI 則成為讓那些訊號變清楚的口譯員。建議在下一個混成式單元裡，把線上紀錄搬進成績簿之前，先問一句「這個數字是在叫我修正課堂的哪裡」。開始用改善而不是評價的語言來讀資料，和學生之間的信任也會一起成長。