PBL 小組的搭便車：用角色與紀錄擋下來的設計

帶過專題導向學習的老師，都碰過同一個畫面：報告看起來像模像樣，一問才知道整組是一兩個人做完的，其他人只是掛了名字。四人一組，實際貢獻的卻只有 1.5 人份，這種情況並不罕見。搭便車 不是學生品性的問題，多半是設計的問題。當誰負責什麼並不清楚、貢獻看不見、評分又全押在單一成果上時，搭便車就成了合理的選擇。因為只要按兵不動也能拿到同樣的分數，不做才划算的算盤自然就打起來了。改變結構，行為就會改變。

減少搭便車的結構性裝置

下面這些裝置，比「要認真一點」的嘮叨有效得多。

• 相互依賴的角色：像資料調查、設計、驗證、報告這樣，分成 少一個人就會卡住 的角色。角色若彼此獨立，那就不是分工，而是分離。
• 個人成果列為義務：除了小組成果之外，讓每個人另外繳交自己角色的中間成果，讓貢獻看得見。
• 記錄貢獻日誌：每個課次留下一行「我今天做了什麼」。這份紀錄會成為 評分的證據，也是回顧的素材。
• 角色輪替：若是長期專案，中途把角色換一次，防止有人躲在特定角色裡混過去。

擋下搭便車最確實的方法不是監視，而是 建立一個不做就會被看出來的結構。

把 AI 用在讓貢獻可視化

由人一筆一筆追蹤貢獻日誌是個負擔。把 AI 當輔助，就會輕鬆許多。

1. 日誌摘要：由 AI 蒐集學生留下的一行行貢獻紀錄，摘要成 各小組、各個人的活動脈絡。
2. 偵測失衡：某位學生的日誌連續幾天空白時，就向老師發出訊號。這不是為了扣分，而是為了知道 該晤談的時機。
3. 產生回顧提問：在專案尾聲，依據各人的日誌，做出詢問「最卡住的時刻與解決方法」的個人回顧提問。
4. 輔助自評與同儕互評：當同儕互評分數與實際日誌明顯不符時，指出老師該細看的地方。

在這裡，AI 必須停留在 協助觀察而非做出判斷 的角色上。「這位學生搭了便車」這個結論，要由老師綜合日誌與晤談來下。若因為日誌空白就直接扣分，做了很多事卻沒留下紀錄的學生會很冤枉。AI 指出的訊號終究只是 開始晤談的起點，不是扣分的依據，這條線必須劃清楚。

重點整理

PBL 的搭便車是 用結構解決的問題，而不是意志的問題。只要備齊「少一個人就會卡住的相互依賴角色」「個人成果」「貢獻日誌」這三個裝置，就很難再混過去。AI 負責摘要日誌、偵測失衡，協助老師觀察，但評分的判斷由人來下。建議您在下一個專案裡，把成果評分的比重稍微調低，並導入每個課次一行的貢獻日誌。當貢獻開始被看見，小組的氣氛會先變得不一樣。